如何使用Scikit-learn创建包含数值和1-hot编码类别特征的训练数据集?

我有一个训练数据集,其中包含连续值和类别值。我已经使用scikit-learn创建了一个包含类别特征的训练集(x_train_1hot),我也有一个包含数值特征的训练集(x_train_num)。

x_train_num = []x_test_num = []x_train_1hot = []x_test_1hot = []x_train_full = []x_test_full = []cat_feats = []cat_feats_test = []for instance in x_train:    num_instance = []    num_instance.append(instance[0])    num_instance.append(instance[2])    num_instance.append(instance[4])    num_instance.append(instance[10])    num_instance.append(instance[11])    num_instance.append(instance[12])    x_train_num.append(num_instance)        cat_instance = []    cat_instance.append(instance[1])    cat_instance.append(instance[3])    cat_instance.append(instance[5])    cat_instance.append(instance[6])    cat_instance.append(instance[7])    cat_instance.append(instance[8])    cat_instance.append(instance[9])    cat_instance.append(instance[13])    cat_feats.append(cat_instance)    for instance in x_test:    num_instance = []    num_instance.append(int(instance[0]))    num_instance.append(int(instance[2]))    num_instance.append(int(instance[4]))    num_instance.append(int(instance[10]))    num_instance.append(int(instance[11]))    num_instance.append(int(instance[12]))    x_test_num.append(num_instance)        cat_instance = []    cat_instance.append(instance[1])    cat_instance.append(instance[3])    cat_instance.append(instance[5])    cat_instance.append(instance[6])    cat_instance.append(instance[7])    cat_instance.append(instance[8])    cat_instance.append(instance[9])    cat_instance.append(instance[13])    cat_feats_test.append(cat_instance)enc = OneHotEncoder(handle_unknown='ignore')X = numpy.array(cat_feats)x_train_1hot = enc.fit_transform(X).toarray()

如何将这些合并成一个完整的训练集(x_train_full)?我尝试过添加或连接数组,但这会遇到很多错误。我觉得我可能在根本上误解了某些东西?

我希望仅使用scikit-learn或纯Python来完成这项任务,避免使用pandas。

编辑:这是训练数据集(x_train)的一个样本:

[['39', ' State-gov', ' 77516', ' Bachelors', ' 13', ' Never-married', ' Adm-clerical', ' Not-in-family', ' White', ' Male', ' 2174', ' 0', ' 40', ' United-States'], ['50', ' Self-emp-not-inc', ' 83311', ' Bachelors', ' 13', ' Married-civ-spouse', ' Exec-managerial', ' Husband', ' White', ' Male', ' 0', ' 0', ' 13', ' United-States'], ['38', ' Private', ' 215646', ' HS-grad', ' 9', ' Divorced', ' Handlers-cleaners', ' Not-in-family', ' White', ' Male', ' 0', ' 0', ' 40', ' United-States'], ['53', ' Private', ' 234721', ' 11th', ' 7', ' Married-civ-spouse', ' Handlers-cleaners', ' Husband', ' Black', ' Male', ' 0', ' 0', ' 40', ' United-States'], ['28', ' Private', ' 338409', ' Bachelors', ' 13', ' Married-civ-spouse', ' Prof-specialty', ' Wife', ' Black', ' Female', ' 0', ' 0', ' 40', ' Cuba'], ['37', ' Private', ' 284582', ' Masters', ' 14', ' Married-civ-spouse', ' Exec-managerial', ' Wife', ' White', ' Female', ' 0', ' 0', ' 40', ' United-States'], ['49', ' Private', ' 160187', ' 9th', ' 5', ' Married-spouse-absent', ' Other-service', ' Not-in-family', ' Black', ' Female', ' 0', ' 0', ' 16', ' Jamaica'], ['52', ' Self-emp-not-inc', ' 209642', ' HS-grad', ' 9', ' Married-civ-spouse', ' Exec-managerial', ' Husband', ' White', ' Male', ' 0', ' 0', ' 45', ' United-States'], ['31', ' Private', ' 45781', ' Masters', ' 14', ' Never-married', ' Prof-specialty', ' Not-in-family', ' White', ' Female', ' 14084', ' 0', ' 50', ' United-States'], ['42', ' Private', ' 159449', ' Bachelors', ' 13', ' Married-civ-spouse', ' Exec-managerial', ' Husband', ' White', ' Male', ' 5178', ' 0', ' 40', ' United-States']]

完整的原始数据集可在此处找到: http://archive.ics.uci.edu/ml/datasets/Adult


回答:

我注意到您没有将x_train_num转换为int。但您应该可以像这样进行连接:

x_train_num = np.array(x_train_num, dtype=int)x_train = np.concatenate([x_train_num, x_train_1hot], axis=1)print(x_train.shape)# (10, 33)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注