0
在Python 2.7中使用(miniconda解释器)。下面的例子混淆了关于OneHotEncoder
,困惑为什么enc.n_values_
输出是[2, 3, 4]
?如果有人能够帮助澄清,那将会很棒。scikit中的OneHotEncoder混淆学习
http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
>>> from sklearn.preprocessing import OneHotEncoder
>>> enc = OneHotEncoder()
>>> enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
OneHotEncoder(categorical_features='all', dtype=<... 'float'>,
handle_unknown='error', n_values='auto', sparse=True)
>>> enc.n_values_
array([2, 3, 4])
>>> enc.feature_indices_
array([0, 2, 5, 9])
>>> enc.transform([[0, 1, 1]]).toarray()
array([[ 1., 0., 0., 1., 0., 0., 1., 0., 0.]])
问候, 林
谢谢杨洁,所以3个样本是'[0,1,0,1]','[0,1,2,0]'和'[3,0,1,2]'? –
也对'[n_samples,n_feature]'感到困惑,我认为它是'n_samples'行和'n_feature'列,但它似乎并非如此,如果你能清晰起来,那将会很棒。 :) –
它是'n_samples'行和'n_feature'列。 X中有4个样本,每个样本有3个特征。 – yangjie