一個熱門編碼器混淆

Question

這就是我所做的。我認爲一個熱門編碼器正在發生一些事情。

from sklearn.datasets import make_classification 
from sklearn.feature_selection import RFE 


X, y = make_classification(n_samples=50, n_features=10, random_state=10) 
encoder = preprocessing.LabelEncoder() 
encoder.fit(X) 
X = encoder.transform(X) 
print X 
print X.shape 

encoder = preprocessing.OneHotEncoder() 
encoder.fit(X) 
X = encoder.transform(X) 


print encoder.feature_indices_ 

estimator = SVR(kernel="linear") 
selector = RFE(estimator, 100, step=1) 
selector = selector.fit(X, y) 

在X上使​​用標籤編碼器後，我得到了一個形狀數組（50,10）（這是顯而易見的）。但是在做一次熱編碼之後，我得到的特徵索引如下。

[ 0 499 987 1487 1968 2459 2957 3401 3886 4379 4868] 

就我所知，2個指標之間的最大範圍應該小於或等於行數，不是嗎？這是50.但在這裏，我得到了500而不是50.我有一個熱門編碼錯誤或有一個熱門編碼功能有任何其他問題？

（這個例子是採取僅用於說明我的問題）

Answer 1

的行數沒有關係，而是值的跨行任何給定列（即特徵）在範圍內。當您打印X時，您會看到任何給定列中的值可以跨越1：500的整個範圍。