如何在 XGBClassifier python 中使用分类数据

问题描述

我正在用 python 开发 XGBClassifier。我的问题是，除了一个特征之外，所有其他特征都是分类特征。但是当将它们输入模型时，它会将它们视为连续特征。另外，我尝试将它们转换为使用 One hot encoding。但是没有用。这个问题怎么解决...

在这里我附上了我的树部分的图像。这里除了 f35，其他都是分类的

解决方法

您没有提到您的特征是如何存储的或者您需要编码哪个特征。因此，就本回答而言，假设您的功能名为 'cat'，并且您的数据存储在名为 pandas.DataFrame 的 df 中。

为了编码一列，您可以尝试：

# Import encoder
from sklearn.preprocessing import OneHotEncoder

# Fit encoder to categorical feature
cat_enc = OneHotEncoder(sparse=False)
cat_enc.fit(df['cat'].values.reshape(-1,1))

# Add encoded feature to DataFrame
df[cat_enc.get_feature_names()] = cat_enc.transform(df['cat'].values.reshape(-1,1))

# Drop old column
df.drop(columns='cat',axis=1,inplace=True)

如果您想要更具体的答案，请更新您的帖子，我会更新我的答案。