在使用随机森林时,在scikit-learn中表示因子变量的方法是什么？

Question

我正在使用随机森林解决分类问题.为此,我决定使用Python库scikit-learn.但我是Random Forest算法和这个工具的新手.我的数据包含许多因子变量.我用谷歌搜索了一下,发现给因子变量提供数值是不对的,就像我们在线性回归中那样,因为它将它视为连续变量并给出错误的结果.但我找不到任何关于如何处理scikit-learn中的因子变量的内容.请告诉我使用的选项或指向一些我可以获得它的文档.

Answer 1

如果您正在使用pandas数据框,则可以轻松使用get_dummies函数来完成此操作.这是一个例子:

import pandas as pd

my_data = [['a','b'],['b','a'],['c','b'],['d','a'],['a','c']]
df = pd.DataFrame(my_data, columns = ['var1','var2'])
dummy_ranks = pd.get_dummies(df['var1'], prefix = 'var1_')
print dummy_ranks

   var1__a  var1__b  var1__c  var1__d
0        1        0        0        0
1        0        1        0        0
2        0        0        1        0
3        0        0        0        1
4        1        0        0        0

[5 rows x 4 columns]