如何使用KBinsDiscretizer在Sklearn中将连续数据制作为垃圾箱？

Question

我正在研究一种ML算法，在该算法中，我试图将连续目标值转换为较小的bin，以更好地理解问题。因此可以做出更好的预测。我最初的问题是回归，但是我通过制作带有标签的小垃圾箱将其转换为分类。

我做了如下

from sklearn.preprocessing import KBinsDiscretizer  
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
s = est.fit(target) 
Xt = est.transform(s)

它显示一个值错误，如下所示。然后，我将数据重塑为2D。但我无法解决。

ValueError：预期的2D数组，而是1D数组：

from sklearn.preprocessing import KBinsDiscretizer

myData = pd.read_csv("train.csv", delimiter=",")
target = myData.iloc[:,-5]  # this is a continuous data which must be 
                        # converted into bins with a new column.

xx = target.values.reshape(21263,1)

est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
s = est.fit(xx) 
Xt = est.transform(s)

您可以看到我的目标有21263行。我必须将它们分成10个相等的bin，并将其写入数据框的新列中。感谢您的指导。

PS：最高目标值：185.0
最低目标值：0.00021

Answer 1

好的，我能够解决它。无论如何，如果将来有人需要这个答案，我会发布答案。我用了pandas.qcut

target['Temp_class'] = pd.qcut(target['Temeratue'], 10, labels=False)

这已经解决了我的问题。

Answer 2

我在处理泰坦尼克号数据集时遇到了类似的问题。我发现我的一个函数已将我的列转换为浮点数，并且通过将其更改为整数，这似乎有助于解决问题。另外，用双方括号调用特定的列名称对我有用：

from sklearn.preprocessing import KBinsDiscretizer
est = KBinsDiscretizer(n_bins=5, encode='onehot-dense', strategy='uniform')
new = est.fit_transform(dataset[['column_name']])

Answer 3

您第一次尝试的错误是您将 fit 函数的输出转换为转换。.fit()返回拟合模型而不是输入数据。正确的方法是以下之一。

from sklearn.preprocessing import KBinsDiscretizer  
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
Xt = est.fit_transform(target) 

或者

from sklearn.preprocessing import KBinsDiscretizer  
est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
est.fit(target)
Xt = est.transform(target)