HTML CSS JAVASCRIPT PYTHON PYTHON2 JAVA C C++ C# SQL Excel Linux AI BOOTSTRAP PHP 教程库 参考手册 技术文章 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

Python 中的逻辑回归 - 准备数据

为了创建分类器，我们须以分类器构建模块要求的格式准备数据。 通过执行 One Hot Encoding 来准备数据。

编码数据

讨论我们所说的编码数据的含义。 首先，让我们运行一下代码。 在代码窗口中运行以下命令。

In [10]: # creating one hot encoding of the categorical columns.
data = pd.get_dummies(df, columns =['job', 'marital', 'default', 'housing', 'loan', 'poutcome'])

正如评论所说，上面的语句将创建数据的唯一热编码。 让我们看看它创造了什么? 通过打印数据库中的头记录来检查名为"data"的创建数据。

In [11]: data.head()

您将看到以下输出 −

创建的数据

为了理解上述数据，我们将通过运行 data.columns 命令列出列名，如下所示 −

In [12]: data.columns
Out[12]: Index(['y', 'job_admin.', 'job_blue-collar', 'job_entrepreneur',
'job_housemaid', 'job_management', 'job_retired', 'job_self-employed', 
'job_services', 'job_student', 'job_technician', 'job_unemployed',
'job_unknown', 'marital_divorced', 'marital_married', 'marital_single', 
'marital_unknown', 'default_no', 'default_unknown', 'default_yes', 
'housing_no', 'housing_unknown', 'housing_yes', 'loan_no',
'loan_unknown', 'loan_yes', 'poutcome_failure', 'poutcome_nonexistent', 
'poutcome_success'], dtype='object')

现在，我们将解释如何通过 get_dummies 命令进行单热编码。新生成的数据库中的第一列是"y"字段，表示该客户端是否订阅了 TD。现在，让我们看一下编码的列。 第一个编码列是 "job"。在数据库中，你会发现"job"列有很多可能的值，比如"admin"、"blue-collar"、"entrepreneur"等等。对于每个可能的值，我们在数据库中创建了一个新列，并附加了列名作为前缀。

因此，我们有名为"job_admin"、"job_blue-collar"等的列。 对于我们原始数据库中的每个编码字段，您会在创建的数据库中找到一个列列表，其中包含该列在原始数据库中采用的所有可能值。 仔细检查列的列表以了解数据是如何映射到新数据库的。

了解数据映射

为了理解生成的数据，让我们使用数据命令打印出整个数据。 运行该命令后的部分输出如下所示。

In [13]: data
了解数据映射

上面的屏幕显示了前十二行。 如果进一步向下滚动，您会看到所有行都完成了映射。

此处显示了数据库下方的部分屏幕输出，供您快速参考。

快速参考

要了解映射数据，让我们检查第一行。

映射数据

它表示该客户尚未订阅 TD，如"y"字段中的值所示。这也表明该客户是"蓝领"客户。 水平向下滚动，它会告诉你他有"住房"，没有"贷款"。

在这一次热编码之后，我们需要更多的数据处理才能开始构建我们的模型。

去掉"unknown"

如果我们检查映射数据库中的列，您会发现很少有以"unknown"结尾的列。 例如，使用屏幕截图中显示的以下命令检查索引 12 处的列 −

In [14]: data.columns[12]
Out[14]: 'job_unknown'

这表示指定客户的工作未知。 显然，在我们的分析和模型构建中包含这些列是没有意义的。 因此，所有具有"unknown"值的列都应该被删除。 这是通过以下命令完成的 −

In [15]: data.drop(data.columns[[12, 16, 18, 21, 24]], axis=1, inplace=True)

确保您指定了正确的列号。 如有疑问，您可以随时通过在列命令中指定其索引来检查列名，如前所述。

删除不需要的列后，您可以检查最终的列列表，如以下输出所示 −

In [16]: data.columns
Out[16]: Index(['y', 'job_admin.', 'job_blue-collar', 'job_entrepreneur', 
'job_housemaid', 'job_management', 'job_retired', 'job_self-employed', 
'job_services', 'job_student', 'job_technician', 'job_unemployed',
'marital_divorced', 'marital_married', 'marital_single', 'default_no', 
'default_yes', 'housing_no', 'housing_yes', 'loan_no', 'loan_yes',
'poutcome_failure', 'poutcome_nonexistent', 'poutcome_success'], 
dtype='object')

至此，我们的数据已准备好用于模型构建。

❮ 上一节 下一节 ❯