カテゴリデータの処理

Coding

code: Python

import pandas as pd

# サンプルデータを生成（Tシャツの色・サイズ・価格・クラスラベル）

df = pd.DataFrame([

# 列名を設定

df

----------------------------------------------------------------------

color size price classlabel

0 green M 10.1 class1

1 red L 13.5 class2

2 blue XL 15.3 class1

----------------------------------------------------------------------

順序特徴量のマッピング

code: Python

# Tシャツのサイズと整数を対応させるディクショナリを生成

size_mapping = {'XL': 3, 'L': 2, 'M': 1}

# Tシャツのサイズを整数に変換

df

----------------------------------------------------------------------

color size price classlabel

0 green 1 10.1 class1

1 red 2 13.5 class2

2 blue 3 15.3 class1

----------------------------------------------------------------------

code: Python

# 元に戻す

inv_size_mapping = {v: k for k, v in size_mapping.items()}

df

----------------------------------------------------------------------

color size price classlabel

0 green M 10.1 class1

1 red L 13.5 class2

2 blue XL 15.3 class1

----------------------------------------------------------------------

クラスラベルのエンコーディング

code: Python

import numpy as np

# クラスラベル（順序関係ない）と整数を対応させるディクショナリを生成

class_mapping

# クラスラベルを整数に変換

df

----------------------------------------------------------------------

{'class1': 0, 'class2': 1}

color size price classlabel

0 green M 10.1 0

1 red L 13.5 1

2 blue XL 15.3 0

----------------------------------------------------------------------

code: Python

# 元に戻す

inv_class_mapping = {v: k for k, v in class_mapping.items()}

df

----------------------------------------------------------------------

color size price classlabel

0 green M 10.1 class1

1 red L 13.5 class2

2 blue XL 15.3 class1

----------------------------------------------------------------------

code: Python

# 以下のようにもできる

from sklearn.preprocessing import LabelEncoder

# ラベルエンコーダのインスタンスを生成

class_le = LabelEncoder()

# クラスラベルから整数に変換

y

# クラスラベルを文字列に直す

class_le.inverse_transform(y)

----------------------------------------------------------------------

----------------------------------------------------------------------

カテゴリ特徴量での One-Hot エンコーディング

色の値には順序はありませんが、例えば、blueが0でredが1のようにしてしまうと、学習アルゴリズムはredがblueより大きいと判断してしまします。この問題を解決する一般的な方法がOne-Hotエンコーディングです。

code: Python

----------------------------------------------------------------------------------------------------

price_13.5 price_15.3 price_10.1 color_blue color_green color_red size_L size_M size_XL

0 0 0 1 0 1 0 0 1 0

1 1 0 0 0 0 1 1 0 0

2 0 1 0 1 0 0 0 0 1

----------------------------------------------------------------------------------------------------