sklearn में OneHotEncoder से आउटपुट का उपयोग कैसे करें?

Question

मेरे पास 2 स्पष्ट चर, और आईडी चर और एक लक्षित चर (वर्गीकरण के लिए) के साथ एक पांडस डेटाफ्रेम है। मैं OneHotEncoder के साथ विशिष्ट मानों को परिवर्तित करने में कामयाब रहा। इसका परिणाम एक स्पैर मैट्रिक्स में होता है।

ohe = OneHotEncoder() 
# First I remapped the string values in the categorical variables to integers as OneHotEncoder needs integers as input 
... remapping code ... 

ohe.fit(df[['col_a', 'col_b']]) 
ohe.transform(df[['col_a', 'col_b']]) 

लेकिन मैं कोई सुराग नहीं कैसे मैं एक DecisionTreeClassifier में यह विरल मैट्रिक्स का उपयोग कर सकते है? विशेष रूप से जब मैं बाद में अपने डेटाफ्रेम में कुछ अन्य गैर-वर्गीकृत चर जोड़ना चाहता हूं। धन्यवाद!

संपादित miraculixx की टिप्पणी करने के लिए जवाब में: मैं भी DataFrameMapper sklearn-पांडा में

mapper = DataFrameMapper([ 
    ('id_col', None), 
    ('target_col', None), 
    (['col_a'], OneHotEncoder()), 
    (['col_b'], OneHotEncoder()) 
]) 

t = mapper.fit_transform(df) 

की कोशिश की लेकिन तब मैं इस त्रुटि मिलती है:

TypeError: no supported conversion for types : (dtype('O'), dtype('int64'), dtype('float64'), dtype('float64')).

Answer 1

मैं तुम्हें देखने के पहले से ही पांडों का उपयोग कर रहे हैं, तो अपने get_dummies फ़ंक्शन का उपयोग क्यों नहीं कर रहे हैं?

import pandas as pd 
df = pd.DataFrame([['rick','young'],['phil','old'],['john','teenager']],columns=['name','age-group']) 

परिणाम

name age-group 
0 rick  young 
1 phil  old 
2 john teenager 

अब आप get_dummies

pd.get_dummies(df) 

परिणाम

name_john name_phil name_rick age-group_old age-group_teenager \ 
0   0   0   1    0     0 
1   0   1   0    1     0 
2   1   0   0    0     1 

    age-group_young 
0    1 
1    0 
2    0 

साथ सांकेतिक शब्दों में बदलना और आप वास्तव में अपने Sklearn के DecisionTreeClassifier में नए पांडा DataFrame उपयोग कर सकते हैं। से इस उदाहरण को

Answer 2

देखो scikit सीखने: http://scikit-learn.org/stable/auto_examples/ensemble/plot_feature_transformation.html#example-ensemble-plot-feature-transformation-py

समस्या यह है कि आप xx.fit() को विरल मैट्रिक्स उपयोग नहीं कर रहे है। आप मूल डेटा का उपयोग कर रहे हैं।