在建模的過程中，我們常會遇到一個問題，就是我們所採用的sklearn系列模型不支援類別型的特徵，需要進行轉換後才能使用。但一般來說，我們的資料集都不小，一個一個曠日廢時的轉換可真讓人吃不消啊! 因此，今天我們要來分享sklearn裡面的LabelEncoder，輕鬆解決轉換問題!
特徵轉換: 將類別型資料轉換為數值型資料
舉例來說，今天想要用機器學習模型來預測在怎麼樣的天氣底下適合外出運動。下表是我們擁有的3個天氣特徵，分別為weather, feeling 與 temperature. 其中 weather 與 feeling的資料皆屬於類別型資料，因此直接餵入我們首部曲中所學習的模型會產生錯誤，因為這些模型不接受類別型的資料。
該怎麼辦呢? 這時，我們需要透過轉換，把資料轉換成數值型，讓模型可以很好的運作。我們以下表的特徵資料為例，分享兩種方法。
1. Map
就最傳統的角度來說，以weather為例。我們看到weather裡面分別有windy與sunny，那我們可以很直觀把windy當作一類，代號叫0；sunny為另一類，代號叫1。同理，在feeling部分，分別有hot與cold，我們也可以把hot當一類，cold當一類。因此，我們可以分別把這些條件寫進dictionary存起來，再用”.map(dictionary)”來做mapping。範例如下:
weather_mapping={'windy':0,'sunny':1,'cloudy':2}
feeling_mapping={'hot':0,'cold':1}
df['weather']=df['weather'].map(weather_mapping)
df['feeling']=df['feeling'].map(feeling_mapping)
2. LabelEncoder
然而，當我們特徵裡面的類別不只兩種，而是有非常多種的時候，Map的方法就會略顯辛苦。而sklearn的預處理模組裡面提供了我們很好用的一個小工具—LabelEncoder. 透過這個LabelEncoder, 我們就不需要自己創建對應的dictionary, LabelEncoder會幫我們自動生成! 範例如下:
le=LabelEncoder()
df['weather']=le.fit_transform(df['weather'])
df['feeling']=le.fit_transform(df['feeling'])
更方便的是，如果特徵數量很多，且很多都是需要轉換的類別型資料，我們只要再外面包個迴圈，就可以一次搞定了!
for col in df[['weather','feeling']]:
df[col]=le.fit_transform(df[col])
總結一下，今天我們學會了兩種特徵資料轉換的方式，一種是較為彈性可以決定轉換值的map方法，另一種為超級自動化的LabelEncoder。當然，如果有特別需求，這兩種方法也可以搭配著一起使用。透過這兩種轉換方法，讓我們在建模前的資料處理上更具效率!
程式檔案，歡迎於此下載。