一个用于优化列表编码的 python 包
项目描述
描述
这是一个易于使用的库，用于将特征中的分类数据编码为优化的特征集，每个分类值映射到唯一的位串。
>>> import optiEncoder
>>> enc = optiEncoder.Encoder(["France","Canada","England"])
>>> print("Mappings : ", enc.getMappings())
{'France':[0,0],'Canada':[0,1],'England':[1,0]}
>>> print("Encoded List : ", enc.getEncodedList())
[[0,0],[0,1],[1,0]]
在数据预处理中的使用
>>> import optiEncoder
>>> import pandas
>>> d = pd.read_csv('data.csv').dropna()
Performance Measure BRATS 2018
0 Dice Coefficient 90
1 Jaccard Coefficient 80
2 Area under ROC 90
4 Hausdorff Distance 10
5 Sensitivity 90
6 Specificity 90
7 F-Measure 90
8 Precision 80
9 Vol Similarity Distance 90
10 Fallout 7
12 TP 1900
13 FP 200
14 TN 2500
15 FN 600
>>> enc = optiEncoder.Encoder(list('Performance Measure'))
>>> enc.getEncodedList()
[[1, 0, 0, 1], [1, 1, 0, 0], [1, 0, 0, 0], [0, 1, 1, 1], [0, 1, 0, 0], [1, 0, 0, 0], [0, 1, 1, 0], [1, 0, 1, 0], [0, 0, 1, 1], [1, 0, 1, 1], [1, 1, 0, 0], [0, 0, 0, 1], [0, 0, 1, 0], [1, 1, 0, 0], [1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 0, 0], [1, 0, 0, 0], [1, 1, 0, 0]]
>>> d = d.iloc[:,1:]
>>> d
BRATS 2018
0 90
1 80
2 90
4 10
5 90
6 90
7 90
8 80
9 90
10 7
12 1900
13 200
14 2500
15 600
>>> encodedList = enc.getEncodedList()
>>> for i in range(0,len(encodedList[0])):
... d[str(i)]=pd.DataFrame(encodedList).iloc[:,i]
...
>>> d
BRATS 2018 0 1 2 3
0 90 1 0 0 1
1 80 1 1 0 0
2 90 1 0 0 0
4 10 0 1 0 0
5 90 1 0 0 0
6 90 0 1 1 0
7 90 1 0 1 0
8 80 0 0 1 1
9 90 1 0 1 1
10 7 1 1 0 0
12 1900 0 0 1 0
13 200 1 1 0 0
14 2500 1 0 1 0
15 600 0 1 0 1
执照
麻省理工学院
作者
萨希尔·阿胡贾
