Um kategoriale Features zu diskretisieren, verwende ich einen LabelEncoder und einen OneHotEncoder. Ich weiß, dass LabelEncoder Daten alphabetisch ordnet, aber wie ordnet OneHotEncoder Daten zu?

Ich habe einen Pandas-Datenrahmen,dataFeat mit 5 verschiedenen Spalten und 4 möglichen Bezeichnungen, wie oben.dataFeat = data[['Feat1', 'Feat2', 'Feat3', 'Feat4', 'Feat5']]

Feat1  Feat2  Feat3  Feat4  Feat5
  A      B      A      A      A
  B      B      C      C      C
  D      D      A       A     B
  C      C      A       A     A  

Ich bewerbe mich um einlabelencoder so was

le = preprocessing.LabelEncoder()

intIndexed = dataFeat.apply(le.fit_transform)

So werden die Labels vom LabelEncoder codiert

Label   LabelEncoded
 A         0
 B         1
 C         2
 D         3

Ich wende dann einen OneHotEncoder wie diesen an

enc = OneHotEncoder(sparse = False)

encModel = enc.fit(intIndexed)

dataFeatY = encModel.transform(intIndexed)

intIndexed.shape = 94,5 unddataFeatY.shape=94,20 .

Ich bin ein bisschen verwirrt mit der Form vondataFeatY - sollte es nicht auch 95,5 sein?

Nach der folgenden Antwort von MhFarahani habe ich dies getan, um zu sehen, wie Labels zugeordnet werden

import numpy as np

S = np.array(['A', 'B','C','D'])
le = LabelEncoder()
S = le.fit_transform(S)
print(S)

[0 1 2 3]

ohe = OneHotEncoder()
one_hot = ohe.fit_transform(S.reshape(-1,1)).toarray()
print(one_hot.T)

[[ 1.  0.  0.  0.]
 [ 0.  1.  0.  0.]
 [ 0.  0.  1.  0.]
 [ 0.  0.  0.  1.]]

Bedeutet dies, dass Beschriftungen wie folgt zugeordnet sind, oder ist dies für jede Spalte unterschiedlich? (was erklären würde, dass die Form 94,20 ist)

Label   LabelEncoded    OneHotEncoded
 A         0               1.  0.  0.  0
 B         1               0.  1.  0.  0.
 C         2               0.  0.  1.  0.
 D         3               0.  0.  0.  1.