Python 什么是一个热编码器'；的分类功能用于？

因此，我使用一个热编码器对数据中的一个分类特征进行编码，但我无法理解其中的参数。你们能帮我做点什么吗，它是用来干什么的。参数为：分类特征=[0]

from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features= [0])
X = onehotencoder.fit_transform(X).toarray()

---

如果您想更深入地了解这一点，可以参考这一点。OneHotEncoder的目标是将分类整数特征编码为一个单选数字数组。如中所述，

category_features

参数用于：

指定哪些功能被视为分类功能

如果我们希望直接将所有特征（即分类特征和数字特征）提供给编码器，并将我们想要的特征集指定为一个热特征，则可以使用这种方法。下面是一个如何使用它的示例：

df = pd.DataFrame({'col1':[4,5,6], 'col2':[1,2,3]})

onehotencoder = OneHotEncoder(categorical_features= [True, False])
onehotencoder.fit_transform(df.values).toarray()

array([[1., 0., 0., 1.],
       [0., 1., 0., 2.],
       [0., 0., 1., 3.]])

---

在本例中，我们指定了一个

掩码

，指示我们希望将哪些特性作为一个热特性，因此在本例中是第一个

Category_features

也适用于一系列索引，

Category_features=[0]

将产生相同的结果。

中对此参数进行了很好的解释

指定哪些功能被视为分类功能

“全部”：所有功能都被视为分类功能

索引数组：分类特征索引数组

掩码：长度n_特征数组，dtype=bool

顺便说一句，此参数将被弃用

自版本0.20以来已弃用：Category_features关键字在版本0.20中已弃用，将在0.22中删除。您可以使用

列转换器

机器学习的特点是什么？这些是输入或测量的独立变量。功能的数量是我们定义的。

---

我们对特征进行一次热编码，以表示特征是独立的。

一次热编码只是嵌入的一种类型；）虽然此链接可以回答问题，但最好在此处包含答案的基本部分，并提供链接供参考。如果链接页面发生更改，仅链接的答案可能无效。-我同意这一点。我曾经遇到过这个问题，我提供了链接。现在我已经把链接和内容，可以帮助解决这个问题

df = pd.DataFrame({'col1':[4,5,6], 'col2':[1,2,3]})

onehotencoder = OneHotEncoder(categorical_features= [True, False])
onehotencoder.fit_transform(df.values).toarray()

array([[1., 0., 0., 1.],
       [0., 1., 0., 2.],
       [0., 0., 1., 3.]])