Q&A
コードを載せてもらわないと、アドバイスしようが無いと思います。
前提・実現したいこと
Python astype('category')を用いた予測データのカテゴリ型変換
LightGBMでカテゴリ変数の取扱い方の学習を目的として簡単な回帰分析を行っております。
astype('category')を使ってカテゴリ型に変換させる場合、
学習データと予測データで、同じ文字列を同じカテゴリであると認識させるには
何を行えば良いでしょうか。また他にどのような手法があるかご教示いただけないでしょうか。
例：学習データと予測データで、同様なカテゴリ型変換を行ってくれない。
・学習データで性別（男、女、その他）をastype('category')でカテゴリ型変換。
astype('category').cat.codesを使って対応関係を確認。
男→１、女→０、その他→２
・予測データで同様にカテゴリ型変換。
男→２、女→１、その他→０
学習データの変換ルールに従って、予測データも変換したいのですが
キーワードや方法論がわからない状況です。
素人質問で大変申し訳ありませんが、よろしくお願いします。
該当のソースコード
ソースコード
試したこと
補足情報（FW/ツールのバージョンなど）
ここにより詳細な情報を記載してください。
回答1件
0
ベストアンサー
scikit-learnのLabelEncoderを使うのはどうでしょう。
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html
詳細は上記ページか、検索すればいろいろ見つかると思いますが、だいたいこんな感じで使います。
python
1from sklearn.preprocessing import LabelEncoder 2 3le = LabelEncoder() 4le.fit(train_data) 5 6train_data2 = le.transform(train_data) 7test_data2 = le.transform(test_data)
質問からはズレますがカテゴリカルな変数はLabel EncodingよりOne Hot Encodingした方が良い場合もあります。
投稿2021/11/06 00:46
総合スコア4599
ありがとうございます。
元々の目的に合いそうであるため、Label-Encoderで対応しようと思います。
また、追加情報ありがとうございます。調べてみたいと思います。
あなたの回答
tips
プレビュー
