Tutorial di Machine Learning con Python - 6: Variabili Dummy e One-Hot Encoding

I modelli di machine learning funzionano molto bene con dataset composti solo da numeri. Ma come gestiamo le informazioni testuali all'interno di un dataset? Un approccio semplice è usare l’*integer encoding* o il *label encoding*, ma quando le variabili categoriali sono nominali, il semplice *label encoding* può creare problemi. Il *one-hot encoding* è la tecnica che risolve questa situazione. In questo tutorial, useremo il metodo get_dummies di pandas per creare variabili dummy che ci permetteranno di applicare il *one-hot encoding* al nostro dataset. In alternativa, possiamo usare anche sklearn.preprocessing.OneHotEncoder per generare le stesse variabili.

Argomenti trattati nel video:
0:00 Introduzione
0:47 Come gestire i dati testuali in un modello di machine learning?
1:38 Variabili nominali vs ordinali
2:44 Teoria (Spiegazione del *one-hot encoding* con i prezzi delle case in diversi quartieri)
3:39 Parte pratica (Inizio)
3:51 Metodo get_dummies di pandas
7:48 Creare un modello che utilizza colonne dummy
12:45 Label Encoder
13:29 Metodo fit_transform()
15:40 sklearn.OneHotEncoder
19:59 Esercizio (Predire i prezzi di un’auto in base al modello, età e chilometraggio)

Prossimo video:

Playlist popolari:

Strumenti e librerie:
Tutorial su Scikit-learn
Tutorial su Sklearn
Machine learning con Scikit-learn
Tutorial di machine learning con Sklearn