Случайные отказы MoveFileEx на Vista

Это будет работать для ваших категориальных данных, вы можете использовать их для нескольких столбцов. Кодируя категориальные данные, вы будете использовать LableEncoder для кодирования как 0,1,2 ..., в соответствии с вашими данными, но это вызовет новую проблему. и проблема здесь заключается в том, что, поскольку в одном и том же столбце находятся разные числа, модель будет неправильно понимать данные в некотором порядке, 0 < 1 < 2. Но это совсем не так. Чтобы преодолеть эту проблему, мы используем One Hot Encoder.

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X_1 = LabelEncoder()
X[:,1] = labelencoder_X_1.fit_transform(X[:,1])
labelencoder_X_2 = LabelEncoder()
X[:,2] = labelencoder_X_2.fit_transform(X[:,2])
onehotencoder = OneHotEncoder(categorical_features =  [1])
X = onehotencoder.fit_transform(X).toarray()