One-hot 编码后的预测

Question

我正在尝试使用示例数据帧：

data = [['Alex','USA',0],['Bob','India',1],['Clarke','SriLanka',0]]

df = pd.DataFrame(data,columns=['Name','Country','Traget'])

现在，我使用 get_dummies 将字符串列转换为整数：

column_names=['Name','Country']  

one_hot = pd.get_dummies(df[column_names])  

转换后的列是： Age,Name_Alex,Name_Bob,Name_Clarke,Country_India,Country_SriLanka,Country_USA

切片数据。

x=df[["Name_Alex","Name_Bob","Name_Clarke","Country_India","Country_SriLanka","Country_USA"]].values  

y=df['Age'].values

在训练和测试中拆分数据集

from sklearn.cross_validation import train_test_split

x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=float(0.5),random_state=0)

逻辑回归

from sklearn.linear_model import LogisticRegression

logreg = LogisticRegression()

logreg.fit(x_train, y_train)

现在，模型被训练。

对于预测，假设我想通过给出“名称”和“国家”来预测“目标”。
像：[“亚历克斯”，“美国”]。

预言。

如果我使用这个：

logreg.predict([["Alex","USA"]).    

显然它不会工作。

问题 1）如何在训练期间应用 one-hot 编码后测试预测？

问题 2）如何对仅包含“名称”和“国家/地区”的示例 csv 文件进行预测？

Answer 1

我建议你使用 sklearn 标签编码器和一个热编码器包而不是 pd.get_dummies。

一旦您为每个特征初始化了标签编码器和一个热编码器，然后将其保存在某处，这样当您想对数据进行预测时，您可以轻松导入保存的标签编码器和一个热编码器并再次对您的特征进行编码。

通过这种方式，您可以像制作训练集时一样，再次对您的特征进行编码。

以下是我用于保存编码器的代码：

labelencoder_dict = {}
onehotencoder_dict = {}
X_train = None
for i in range(0, X.shape[1]):
    label_encoder = LabelEncoder()
    labelencoder_dict[i] = label_encoder
    feature = label_encoder.fit_transform(X[:,i])
    feature = feature.reshape(X.shape[0], 1)
    onehot_encoder = OneHotEncoder(sparse=False)
    feature = onehot_encoder.fit_transform(feature)
    onehotencoder_dict[i] = onehot_encoder
    if X_train is None:
      X_train = feature
    else:
      X_train = np.concatenate((X_train, feature), axis=1)

现在我保存这个 onehotencoder_dict 和标签 encoder_dict 并在以后使用它进行编码。

def getEncoded(test_data,labelencoder_dict,onehotencoder_dict):
    test_encoded_x = None
    for i in range(0,test_data.shape[1]):
        label_encoder =  labelencoder_dict[i]
        feature = label_encoder.transform(test_data[:,i])
        feature = feature.reshape(test_data.shape[0], 1)
        onehot_encoder = onehotencoder_dict[i]
        feature = onehot_encoder.transform(feature)
        if test_encoded_x is None:
          test_encoded_x = feature
        else:
          test_encoded_x = np.concatenate((test_encoded_x, feature), axis=1)
  return test_encoded_x