При работе с машинным обучением часто необходимо использовать данные, содержащие категориальные признаки с несколькими уникальными значениями. Прямое использование таких данных в моделях невозможно, так как большинство алгоритмов требуют числовые входные данные. Для решения этой задачи применяется метод one-hot encoding — преобразование категориального признака в набор бинарных признаков.

Пример преобразования

Рассмотрим исходный DataFrame с признаком «Цвет»:

data = {

‘№’: [1, 2, 3, 4],

‘Цвет’: ['красный', 'синий', 'красный', 'зеленый']

}

df = pd.DataFrame(data)

Применим one-hot encoding с помощью pandas:

df_onehot = pd.get_dummies(df, columns=['Цвет'])

print(df_onehot)

Результат:

№,Цвет_красный,Цвет_синий,Цвет_зеленый

1,1,0,0

2,0,1,0

3,1,0,0

4,0,0,1

One-hot encoding устраняет проблему порядковости категорий, то есть позволяет модели воспринимать каждую категорию как отдельную независимую единицу. В отличие от простой цифровой замены (например, красный — 1, синий — 2, зеленый — 3), такой подход не вводит ложных предположений о взаимосвязи между категориями.

Преобразование категориальных признаков с помощью one-hot encoding — фундаментальный этап предобработки данных. Это повышает качество работы алгоритмов машинного обучения за счет корректного представления категорий в числовом формате без искажений и искусственных взаимосвязей.