active_features_属性( OneHotEncoder )

Question

我是机器学习的新手，我正在努力理解OneHotEncoder的作用。我可以将它与其他事物(如LabelEncoder )区分开来。特别是，我发现关于active_features_的文档特别令人困惑。

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder

feature_indices_的文档中也提到了这一点。

feature_indices_： 形状数组(n_features，) 特征范围的索引。将原始数据中的特性i映射到从feature_indices_i到feature_indices_i+1的特性。

这是什么意思，这面具是干什么用的？

谢谢!

Answer 1

OneHotEncoder编码范畴化特性，例如，特征"vehicle“可以具有set {"car”、“摩托车”、“卡车”、.}的值。这种特征类型是指在这些值之间没有任何顺序的情况下使用，例如car与摩托车或卡车是不可比较的，尽管您用整数编码集合"car“、”摩托车“、”卡车“}，但您想要学习的估计量并不意味着分类特征值之间的任何关系。若要将此特性类型转换为二进制或rational，并且仍然保持无序值的属性，可以使用一个热编码。这是非常常见的技术:它将创建n新的二进制特性，其中n -原始分类特征中的唯一值数，而不是原始数据集中的每个分类特征。如果您想知道这些n个新的二进制特性在结果数据集中的确切位置--您必须使用feature_indices_属性，则来自原始数据集的分类特征i的所有新二进制特性现在都位于新数据集的列feature_indices_[i]:feature_indices_[i+1]中。

OneHotEncoder从dataset中的此特性值确定每个分类特性的范围，请参阅下面的示例：

dataset = [[0, 0],
           [1, 1],
           [2, 4],
           [0, 5]]

# First categorial feature has values in range [0,2] and dataset contains all values from that range.
# Second feature has values in range [0,5], but values (2, 3) are missing.
# Assuming that one encoded categorial values with that integer range, 2 and 3 must be somewhere, or it's sort of error.
# Thus OneHotEncoder will remove columns of values 2 and 3 from resulting dataset
enc = OneHotEncoder()
enc.fit(dataset)

print(enc.n_values_)
# prints array([3,6])
# first feature has 3 possible values, i.e 3 columns in resulting dataset
# second feature has 6 possible values
print(enc.feature_indices_)
# prints array([0, 3, 9])
# first feature decomposed into 3 columns (0,1,2), second — into 6 (3,4,5,6,7,8)
print(enc.active_features_)
# prints array([0, 1, 2, 3, 4, 7, 8])
# but two values of second feature never occurred, so active features doesn't list (5,6), and resulting dataset will not contain those columns too
enc.transform(dataset).toarray()
# prints this array
array([[ 1.,  0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  1.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  1.]])