从scikit-learn中的one-hot-encoding回溯分类特征？

Question

我正在尝试构建一个套索回归预测模型。我使用scikit learn中的OneHotEncoder，使用one-hot of-K方案对我所有的分类整数特征进行了编码。根据结果，实际影响预测模型的参数只有51个。我想研究这些参数，但它们的编码方式如上所述。你知道如何提取哪个分类整数特征对应哪个热编码数组吗？谢谢!

Answer 1

使用sklearn.preprocessing.OneHotEncoder的active_features_，feature_indices_，和n_values_属性，按分类特征在one-hot数组中的位置排序的向量可以如下所示：

import numpy as np
from sklearn import preprocessing

enc = preprocessing.OneHotEncoder()
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
enc.active_features_ - np.repeat(enc.feature_indices_[:-1], enc.n_values_)
# array([0, 1, 0, 1, 2, 0, 1, 2, 3], dtype=int64)

同样，原始数据可以从one-hot数组返回，如下所示：

x = enc.transform([[0, 1, 1], [1, 2, 3]]).toarray()
# array([[ 1.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.],
#       [ 0.,  1.,  0.,  0.,  1.,  0.,  0.,  0.,  1.]])

cond = x > 0
[enc.active_features_[c.ravel()] - enc.feature_indices_[:-1] for c in cond]
# [array([0, 1, 1], dtype=int64), array([1, 2, 3], dtype=int64)]

Answer 2

这是可行的：

import pickle


with open('model.pickle', 'rb') as handle:
    one_hot_categories = pickle.load(handle)      


print(one_hot_categories.categories_)

Answer 3

我设计了ple来增强sklearn的管道和FeatureUnion，通过它们，我们还可以在一次热编码或其他预处理步骤之后回溯分类特征。此外，我们可以通过GraphX“绘制”转换:例如，

​

​

你可以在my Github page上找到ple。