如何使用OneHotEncoder categorical_features

Question

我在使用OneHotEncoder仅编码分类列而忽略连续列时遇到了问题。无论我在categorical_features中指定什么，编码器都会对所有列进行编码。例如：

enc = preprocessing.OneHotEncoder()
enc.fit([[0, 40, 3], [1, 50, 0], [0, 45, 1], [1, 30, 2]])
OneHotEncoder(categorical_features=[0,2], 
   handle_unknown='error', n_values='auto', sparse=True)
print enc.n_values_
print enc.feature_indices_
enc.transform([[0, 45, 3]]).toarray()

我只想对第1列和第3列进行编码，保留中间一列(值40、50、45、30)为连续值。所以我指定了categorical_features=0,2，但是不管我做什么，这段代码的输出仍然是：

[ 2 51  4]
[ 0  2 53 57]
Out[129]:
array([[ 1.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.]])

Answer 1

为什么你称OneHotEncoder构造函数为twise？enc是由默认构造函数创建的，所以对于enc，你可以使用categorical_features='all' (所有特性都是分类的)。据我所知，你需要这样的东西：

enc = OneHotEncoder(categorical_features=[0,2],
    handle_unknown='error', n_values='auto', sparse=True)
enc.fit([[0, 40, 3], [1, 50, 0], [0, 45, 1], [1, 30, 2]])
print(enc.n_values_)
print(enc.feature_indices_)
enc.transform([[0, 45, 3]]).toarray()

你将会有

[2 4]
[0 2 6]
Out[23]: array([[  1.,   0.,   0.,   0.,   0.,   1.,  45.]])