如何在Sklearn管道中执行Onehotencoding

Question

我在尝试oneHot对我的Pandas数据框的分类变量进行编码，其中包括分类变量和连续变量。我意识到这可以通过使用熊猫.get_dummies（）函数轻松完成，但我需要使用管道，以便稍后可以生成PMML文件。

这是创建映射器的代码。我想编码的分类变量存储在名为“傻瓜”的列表中。

from sklearn_pandas import DataFrameMapper 
from sklearn.preprocessing import OneHotEncoder 
from sklearn.preprocessing import LabelEncoder 

mapper = DataFrameMapper(
    [(d, LabelEncoder()) for d in dummies] + 
    [(d, OneHotEncoder()) for d in dummies] 
) 

而这是创建一个管道，包括映射器和线性回归的代码。

from sklearn2pmml import PMMLPipeline 
from sklearn.linear_model import LinearRegression 

lm = PMMLPipeline([("mapper", mapper), 
        ("regressor", LinearRegression())]) 

当我现在尽量合身（与“功能”是一个数据帧，而“目标”系列），它提供了一个错误“无法字符串转换为浮动”。

lm.fit(features, targets) 

任何人谁可以帮我吗？我非常渴望工作管道，包括数据的预处理......预先感谢！

Answer 1

OneHotEncoder不支持字符串功能，并且使用[(d, OneHotEncoder()) for d in dummies]将其应用于所有虚拟列。使用LabelBinarizer代替：

mapper = DataFrameMapper(
    [(d, LabelBinarizer()) for d in dummies] 
) 

另一种方法是用一个第二OneHotEncoder步骤中使用的LabelEncoder。

mapper = DataFrameMapper(
    [(d, LabelEncoder()) for d in dummies] 
) 

lm = PMMLPipeline([("mapper", mapper), 
        ("onehot" OnehotEncoder()), 
        ("regressor", LinearRegression())])