Tutorial de Machine Learning con Python - 6: Variables Dummy y Codificación One-Hot

Los modelos de *machine learning* funcionan muy bien con conjuntos de datos que solo contienen números. Pero, ¿cómo manejamos la información de texto en un dataset? Un enfoque sencillo es usar la codificación entera o por etiquetas, pero cuando las variables categóricas son nominales, este método puede ser problemático. La codificación *one-hot* es la técnica que nos ayuda en estas situaciones. En este tutorial, usaremos el método get_dummies de *pandas* para crear variables ficticias (*dummy*) que nos permiten aplicar la codificación one-hot en un dataset dado. También podemos usar sklearn.preprocessing.OneHotEncoder para lograr lo mismo.

Temas cubiertos en este video:
0:00 Introducción
0:47 ¿Cómo manejar datos de texto en un modelo de *machine learning*?
1:38 Variables nominales vs ordinales
2:44 Teoría (Explicación de la codificación one-hot usando precios de viviendas en diferentes barrios)
3:39 Inicio de la codificación
3:51 Método get_dummies de *pandas*
7:48 Crear un modelo que use columnas ficticias
12:45 Codificador de etiquetas (*Label Encoder*)
13:29 Método fit_transform()
15:40 sklearn.OneHotEncoder
19:59 Ejercicio (Predecir precios de autos según el modelo, edad y kilometraje)

Próximo video:

Playlist popular:

Herramientas y bibliotecas:
Tutoriales de *Scikit-learn*
Tutoriales de *Sklearn*
Tutoriales de *Machine Learning* con *Scikit-learn*
Tutoriales de *Machine Learning* con *sklearn*