我想對我的數據集中的10個特徵中的3個分類特徵進行編碼。我使用sklearn.preprocessingpreprocessing如下面這樣做：OneHotEncoder對分類特徵的問題
from sklearn import preprocessing
cat_features = ['color', 'director_name', 'actor_2_name']
enc = preprocessing.OneHotEncoder(categorical_features=cat_features)
enc.fit(dataset.values)
但是，我無法繼續，因爲我得到這個錯誤：
array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: could not convert string to float: PG
我很奇怪爲什麼它抱怨串因爲它應該轉換它！我在這裏錯過了什麼嗎？
LabelEncoder
如果您閱讀OneHotEncoder的文檔，您會看到fit的輸入是「輸入int類型的數組」。所以，你需要做兩個步驟爲你的一個熱點編碼數據
from sklearn import preprocessing
cat_features = ['color', 'director_name', 'actor_2_name']
enc = preprocessing.LabelEncoder()
enc.fit(cat_features)
new_cat_features = enc.transform(cat_features)
print new_cat_features # [1 2 0]
new_cat_features = new_cat_features.reshape(-1, 1) # Needs to be the correct shape
ohe = preprocessing.OneHotEncoder(sparse=False) #Easier to read
print ohe.fit_transform(new_cat_features)
輸出：
[[ 0. 1. 0.]
[ 0. 0. 1.]
[ 1. 0. 0.]]
從文檔：
categorical_features : 「all」 or array of indices or mask
Specify what features are treated as categorical.
‘all’ (default): All features are treated as categorical.
array of indices: Array of categorical feature indices.
mask: Array of length n_features and with dtype=bool.
大熊貓據幀的列名都不行。如果你類別特徵是列數0,2和6用途：
from sklearn import preprocessing
cat_features = [0, 2, 6]
enc = preprocessing.OneHotEncoder(categorical_features=cat_features)
enc.fit(dataset.values)
還必須指出的是，如果這些類別特徵沒有標籤編碼，您需要使用OneHotEncoder
您可以同時應用轉換（從文字類整數類別，然後從整數類別 到使用LabelBinarizer類一次性拍攝：
cat_features = ['color', 'director_name', 'actor_2_name']
encoder = LabelBinarizer()
new_cat_features = encoder.fit_transform(cat_features)
new_cat_features
請注意，此返回是默認密集的NumPy數組。您可以通過將 sparse_output = True傳遞給LabelBinarizer構造函數來獲得稀疏矩陣。
如果數據集是在數據大熊貓幀，使用
pandas.get_dummies
會更簡單。
*從pandas.get_getdummies更正爲pandas.get_dummies
@Medo，
我遇到了同樣的行爲，並發現它令人沮喪。正如其他人指出的那樣，在Scikit-Learn要求選擇categorical_features參數中提供的列之前，Scikit-Learn要求所有數據都是數字。
具體地，列選擇由_transform_selected()方法在/sklearn/preprocessing/data.py處理，該方法的第一行是
X = check_array(X, accept_sparse='csc', copy=copy, dtype=FLOAT_DTYPES)。
如果任何的數據在所提供的數據幀X中無法成功轉換爲浮點數，則此檢查將失敗。
我同意sklearn.preprocessing.OneHotEncoder的文檔在這方面非常具有誤導性。
非常感謝。 – Medo