티스토리 뷰
1. label encoding
- 단순하게 레이블링 해주는 것
- 하지만 머신러닝시 가중치로 되어 데이터 정확도에 혼선을 줄 수 있음
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
from sklearn.preprocessing import LabelEncoder
import pandas as pd
import numpy as np
array = np.array([["paris","paris","seoul"],["newyork","paris","seoul"],["seoul","paris","paris"],["seoul","paris","paris"]])
df = pd.DataFrame(array, columns = ['A','B','C'])
print(df)
"""
A B C
0 paris paris seoul
1 newyork paris seoul
2 seoul paris paris
3 seoul paris paris
"""
le = LabelEncoder().fit_transform(df['A'])
print(le)
"""
[1 0 2 2]
"""
|
cs |
2. one-hot encoding
- 1과 0으로 나타내는 방법
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
from sklearn.preprocessing import OneHotEncoder
import pandas as pd
import numpy as np
array = np.array([["paris","paris","seoul"],["newyork","paris","seoul"],["seoul","paris","paris"],["seoul","paris","paris"]])
df = pd.DataFrame(array, columns = ['A','B','C'])
print(df)
"""
A B C
0 paris paris seoul
1 newyork paris seoul
2 seoul paris paris
3 seoul paris paris
"""
data = np.array(df['A'])
data = data.reshape(-1,1)
le = OneHotEncoder().fit_transform(data)
print(le)
"""
(0, 1) 1.0
(1, 0) 1.0
(2, 2) 1.0
(3, 2) 1.0
"""
|
cs |
'인공지능 > 머신러닝' 카테고리의 다른 글
| [ML Algorithm] Gradient Boosting Machine (0) | 2019.10.15 |
|---|---|
| [ML Algorithm] 랜덤포레스트(Random Forest) (0) | 2019.10.15 |
| [ML Algorithm] 결정트리모델(Decision Tree Model) (0) | 2019.10.15 |
| [ML Algorithm] 앙상블 방법(Ensemble Method) (0) | 2019.10.14 |
| 시계열 데이터 정의와 시계열 자료 분석 방법 - 전통적방법 (1) | 2019.10.07 |
댓글