Я работаю над проектом прогнозирования (для удовольствия), и в основном я взял мужские и женские имена из nltk, пометил имена как 'мужские' или 'женские', затем получил последнюю букву каждого имени и, в конце концов, использовал другое машинное обучение алгоритмы для обучения и прогнозирования пола на основе последней буквы.
Итак, мы знаем, что sklearn Python НЕ обрабатывает категориальные данные, поэтому я использовал LabelEncoder для преобразования последней буквы в числовые значения:
Перед преобразованием:
name last_letter gender
0 Aamir r male
1 Aaron n male
2 Abbey y male
3 Abbie e male
4 Abbot t male
name last_letter gender
0 Abagael l female
1 Abagail l female
2 Abbe e female
3 Abbey y female
4 Abbi i female
И если мы объединим два фрейма данных, отбросим столбец имени и перемешаем:
last_letter gender
0 a male
1 e female
2 g male
3 h male
4 e male
Затем я использовал LabelEncoder
:
from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()
for col in df.columns:
df[col]= label_encoder.fit_transform(df[col])
df.head()
Фрейм данных становится:
last_letter gender
0 1 male
1 5 female
2 7 male
3 8 male
4 5 male
Как видите, после обучения модели (скажем, здесь случайный лес). Если я хочу использовать модель для предсказания случайной буквы
e.g. rf_model.predict('a')
Это не сработает, поскольку модель принимает только числовые значения. В этом случае, если я это сделаю:
rf_model.predict(1) (assume letter 'a' is encoded as number 1)
Результат прогнозирования модели возвращает
array([1])
Итак, как мне сделать что-то вроде:
rf_model.predict('a')
и получить результат типа «женский» или «мужской» вместо того, чтобы вводить числовое значение и получать результат в виде числового значения?