我有一个类似于这样的列表:
list = ['Opinion, Journal, Editorial',
'Opinion, Magazine, Evidence-based',
'Evidence-based']
逗号在类别之间分割,例如“Opinion”和“Journal”是两个不同的类别。实际列表更大,具有更多可能的类别。我想使用一位有效编码来转换该列表,以便可以用于机器学习。例如,从该列表中,我希望生成一个包含数据的稀疏矩阵:
list = [[1, 1, 1, 0, 0],
[1, 0, 0, 0, 1],
[0, 0, 0, 0, 1]]
理想情况下,我希望使用scikit-learn的独热编码器,因为我认为这将是最有效的。
回应@nbrayns的评论:
这个想法是将类别列表从文本转换为向量,如果它属于该类别,则分配为1,否则为0。对于上面的示例,标题将是:
headings = ['Opinion', 'Journal', 'Editorial', 'Magazine', 'Evidence-based']