Machine-Learning-Tutorial mit Python – Teil 6: Dummy-Variablen & One-Hot-Encoding

Machine-Learning-Modelle funktionieren besonders gut mit Datensätzen, die nur aus Zahlen bestehen. Aber wie gehen wir mit Textinformationen in einem Datensatz um? Ein einfacher Ansatz ist die Verwendung von *Integer Encoding* oder *Label Encoding*, doch wenn kategoriale Variablen nominal sind, kann einfaches *Label Encoding* problematisch werden. Hier kommt das *One-Hot-Encoding* ins Spiel – eine Technik, die genau für solche Fälle gemacht ist. In diesem Tutorial nutzen wir die Methode get_dummies aus der Bibliothek *pandas*, um Dummy-Variablen zu erstellen, die uns das One-Hot-Encoding für unseren Datensatz ermöglichen. Alternativ können wir auch sklearn.preprocessing.OneHotEncoder verwenden, um die gleichen Dummy-Variablen zu generieren.

Themen dieses Videos:
0:00 Einführung
0:47 Wie verarbeitet man Textdaten in einem Machine-Learning-Modell?
1:38 Nominale vs. ordinale Variablen
2:44 Theorie (Erklärung des One-Hot-Encodings anhand von Hauspreisen in verschiedenen Stadtteilen)
3:39 Praxisteil (Start)
3:51 Die get_dummies-Methode von pandas
7:48 Ein Modell mit Dummy-Spalten erstellen
12:45 Label Encoder
13:29 Die fit_transform()-Methode
15:40 sklearn.OneHotEncoder
19:59 Übung (Preise von Autos basierend auf Modell, Alter und Kilometerstand vorhersagen)

Nächstes Video:

Beliebte Playlists:

Tools und Bibliotheken:
Scikit-learn-Tutorials
Sklearn-Tutorials
Machine Learning mit Scikit-learn
Tutorials zu Machine Learning mit Sklearn