Andijon davlat pedagogika instituti

6 ta qo'g'irchoq o'zgaruvchilar yoki binarlar uchun yaratilganligini Generationva 2 tasi uchun yaratilganligini ko'rishingiz mumkin, Legendarychunki bu har bir atributdagi alohida toifalarning umumiy soni. toifaning faol holati ushbu qo'g'irchoq o'zgaruvchilardan birida 1 qiymati bilan belgilanadi, bu yuqoridagi ma'lumotlar ramkasidan juda aniq.
Aytaylik, siz ushbu kodlash sxemasini o'quv ma'lumotlaringiz asosida qurdingiz va qandaydir model yaratdingiz va endi sizda quyida ko'rsatilganidek, bashorat qilishdan oldin xususiyatlar uchun mo'ljallangan yangi ma'lumotlar mavjud.
new_poke_df = pd.DataFrame([['PikaZoom', 'Gen 3', True],
['CharMyToast', 'Gen 4', False]],
ustunlar=['Ism', 'Avlod', 'Afsonaviy'])
new_poke_df

Yangi ma'lumotlar namunasi
Oldindan yaratilgan funksiya va yangi maʼlumotlardagi obʼyektlarni scikit-learn’schaqirish orqali bu yerda mukammal API dan foydalanishingiz mumkin . Ish oqimimizni eslang, biz birinchi navbatda o'zgartirishni amalga oshiramiz .transform(…)LabeLEncoder OneHotEncoder
new_gen_labels = gen_le.transform(new_poke_df['Generation'])
new_poke_df['Gen_Label'] = new_gen_labelsnew_leg_labels = leg_le.transform(new_poke_df['Legendary'])
new_poke_df['Lgendary']] new_poke_df['Lg_poke_new['Lg_poke_new['Lg_poke_ne_' , 'Gen_Label', 'Legendary',
'Lgnd_Label']]

Transformatsiyadan keyingi toifali atributlar
Raqamli teglar qo'lda bo'lsa, kodlash sxemasini hozir qo'llaylik!
new_gen_feature_arr = gen_ohe.transform(new_poke_df[['Gen_Label']]).toarray()
new_gen_features = pd.DataFrame(yangi_gen_feature_arr,
columns=gen_feature_labels)new_leg_feature_arrform = leg_lgf.('ray_df_)[ray_nf_].
new_leg_features = pd.DataFrame(new_leg_feature_arr,
columns=leg_feature_labels)new_poke_ohe = pd.concat([new_poke_df, new_gen_features, new_leg_features], axis=1)
ustunlar = sum(',['Lab_element
] ,
['Legendary', 'Lgnd_Label'], leg_feature_labels], [])new_poke_ohe[ustunlar]

Bir martalik kodlashdan keyin toifali atributlar
scikit-learn’sShunday qilib, kuchli API yordamida ushbu sxemani yangi ma'lumotlarga osongina qo'llashingiz mumkin .
to_dummies(…)Bundan tashqari , dan funksiyasidan foydalanib, issiq kodlash sxemasini osongina qo'llashingiz mumkin pandas.
gen_onehot_features = pd.get_dummies(poke_df['Generation'])
pd.concat([poke_df[['Name', 'Generation']], gen_onehot_features],
axis=1).iloc[4:10]

Pandalar yordamida issiq kodlangan xususiyatlar
Yuqoridagi ma'lumotlar ramkasi atributga qo'llaniladigan issiq kodlash sxemasini tasvirlaydi Generationva natijalar avvalgi natijalar bilan solishtirganda bir xil bo'ladi.
Breadboard kodlash sxemasi
Qo'g'irchoq kodlash sxemasi bir martalik kodlash sxemasiga o'xshaydi, qo'g'irchoq kodlash sxemasi bundan mustasno, u