Jak używać wyjścia z OneHotEncoder w sklearn?

Question

Mam Pandas Dataframe z 2 zmiennymi kategorycznymi, zmienną ID i zmienną docelową (dla klasyfikacji). Udało mi się przekonwertować wartości kategoryczne na OneHotEncoder. Powoduje to rzadką matrycę.

ohe = OneHotEncoder() 
# First I remapped the string values in the categorical variables to integers as OneHotEncoder needs integers as input 
... remapping code ... 

ohe.fit(df[['col_a', 'col_b']]) 
ohe.transform(df[['col_a', 'col_b']]) 

Ale nie mam pojęcia, jak mogę użyć tej rzadkiej macierzy w DecisionTreeClassifier? Szczególnie, gdy chcę dodać inne nie-kategoryczne zmienne w mojej ramce danych później. Dzięki!

EDIT W odpowiedzi na komentarz z miraculixx: Próbowałem też DataFrameMapper w sklearn-pand

mapper = DataFrameMapper([ 
    ('id_col', None), 
    ('target_col', None), 
    (['col_a'], OneHotEncoder()), 
    (['col_b'], OneHotEncoder()) 
]) 

t = mapper.fit_transform(df) 

Ale wtedy ten błąd:

TypeError: no supported conversion for types : (dtype('O'), dtype('int64'), dtype('float64'), dtype('float64')).

Answer 1

widzę, że jesteś już używa Pand, więc dlaczego nie skorzystać z jego funkcji get_dummies?

import pandas as pd 
df = pd.DataFrame([['rick','young'],['phil','old'],['john','teenager']],columns=['name','age-group']) 

wynik

name age-group 
0 rick  young 
1 phil  old 
2 john teenager 

teraz zakodować z get_dummies

pd.get_dummies(df) 

wynikowych

name_john name_phil name_rick age-group_old age-group_teenager \ 
0   0   0   1    0     0 
1   0   1   0    1     0 
2   1   0   0    0     1 

    age-group_young 
0    1 
1    0 
2    0 

I rzeczywiście można korzystać z nowej Pandy DataFrame w swojej Sklearn za DecisionTreeClassifier.

Answer 2

Spójrz na ten przykład z scikit-learn: http://scikit-learn.org/stable/auto_examples/ensemble/plot_feature_transformation.html#example-ensemble-plot-feature-transformation-py

Problem jest to, że nie korzystają z rzadkich matryc do xx.fit(). Używasz oryginalnych danych.