Dies sind Variablen, die Namen oder Bezeichnungen annehmen. Beispiele beinhalten:<\/span><\/p>\n Bei der Optimierung von Algorithmen f\u00fcr maschinelles Lernen (wie lineare Regression<\/a> , logistische Regression<\/a> , Random Forests<\/a> usw.) konvertieren wir h\u00e4ufig kategoriale Variablen in Dummy-Variablen<\/strong> , bei denen es sich um numerische Variablen handelt, die zur kategorialen Darstellung von Daten verwendet werden.<\/span><\/p>\n Angenommen, wir haben einen Datensatz, der die kategoriale Variable Geschlecht<\/strong> enth\u00e4lt. Um diese Variable als Pr\u00e4diktor in einem Regressionsmodell zu verwenden, m\u00fcsste sie zun\u00e4chst in eine Dummy-Variable umgewandelt werden.<\/span><\/p>\n Um diese Dummy-Variable zu erstellen, k\u00f6nnen wir einen der Werte (\u201eMale\u201c) zur Darstellung von 0 und den anderen Wert (\u201eFemale\u201c) zur Darstellung von 1 ausw\u00e4hlen:<\/span> <\/p>\n Um Dummies f\u00fcr eine Variable in einem Pandas-DataFrame zu erstellen, k\u00f6nnen wir die Funktion pandas.get_dummies()<\/a> verwenden, die die folgende grundlegende Syntax verwendet:<\/span><\/p>\n pandas.get_dummies(data, prefix=None, columns=None, drop_first=False)<\/span><\/strong><\/p>\n Gold:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Mit der Funktion pd.get_dummies()<\/strong> k\u00f6nnen wir das Geschlecht in eine Dummy-Variable umwandeln:<\/span><\/p>\n Die Spalte \u201eGeschlecht\u201c ist jetzt eine Dummy-Variable, wobei Folgendes gilt:<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Wir k\u00f6nnen die Funktion pd.get_dummies()<\/strong> verwenden, um Geschlecht und Hochschule in Dummy-Variablen umzuwandeln:<\/span><\/p>\n Die Spalte \u201eGeschlecht\u201c ist jetzt eine Dummy-Variable, wobei Folgendes gilt:<\/span><\/p>\n Und die Spalte \u201eCollege\u201c ist jetzt eine Dummy-Variable, wobei:<\/span><\/p>\n Verwendung von Dummy-Variablen in der Regressionsanalyse<\/a> In der Statistik enthalten die Datens\u00e4tze, mit denen wir arbeiten, h\u00e4ufig kategoriale Variablen . Dies sind Variablen, die Namen oder Bezeichnungen annehmen. Beispiele beinhalten: Familienstand (\u201everheiratet\u201c, \u201eledig\u201c, \u201egeschieden\u201c) Raucherstatus (\u201eRaucher\u201c, \u201eNichtraucher\u201c) Augenfarbe (\u201eblau\u201c, \u201egr\u00fcn\u201c, \u201ehasel\u201c) Bildungsniveau (z. B. \u201eAbitur\u201c, \u201eBachelor\u201c, \u201eMaster\u201c) Bei der Optimierung von Algorithmen f\u00fcr maschinelles Lernen (wie lineare Regression , logistische Regression […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mannequin2.png\")
<\/p>\n So erstellen Sie Dummy-Variablen in Pandas<\/strong><\/span><\/h3>\n
\n
Beispiel 1: Erstellen Sie eine einzelne Dummy-Variable<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' income<\/span> ': [45, 48, 54, 57, 65, 69, 78],\n ' age<\/span> ': [23, 25, 24, 29, 38, 36, 40],\n ' gender<\/span> ': ['M', 'F', 'M', 'F', 'F', 'F', 'M']})\n\n#view DataFrame\n<\/span>df\n\n income age gender\n0 45 23 M\n1 48 25 F\n2 54 24 M\n3 57 29 F\n4 65 38 F\n5 69 36 F\n6 78 40 M<\/strong><\/pre>\n #convert gender to dummy variable<\/span>\np.d. get_dummies<\/span> (df, columns=[' gender<\/span> '], drop_first= True<\/span> )\n\n\tincome age gender_M\n0 45 23 1\n1 48 25 0\n2 54 24 1\n3 57 29 0\n4 65 38 0\n5 69 36 0\n6 78 40 1<\/strong><\/pre>\n\n
Beispiel 2: Erstellen Sie mehrere Dummy-Variablen<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' income<\/span> ': [45, 48, 54, 57, 65, 69, 78],\n ' age<\/span> ': [23, 25, 24, 29, 38, 36, 40],\n ' gender<\/span> ': ['M', 'F', 'M', 'F', 'F', 'F', 'M'],\n ' college<\/span> ': ['Y', 'N', 'N', 'N', 'Y', 'Y', 'Y']})\n\n#view DataFrame\n<\/span>df\n\n\tincome age gender college\n0 45 23 M Y\n1 48 25 F N\n2 54 24 M N\n3 57 29 F N\n4 65 38 F Y\n5 69 36 F Y\n6 78 40 M Y<\/strong><\/pre>\n #convert gender to dummy variable<\/span>\np.d. get_dummies<\/span> (df, columns=[' gender<\/span> ', ' college<\/span> '], drop_first= True<\/span> )\n\n\n income age gender_M college_Y\n0 45 23 1 1\n1 48 25 0 0\n2 54 24 1 0\n3 57 29 0 0\n4 65 38 0 1\n5 69 36 0 1\n6 78 40 1 1<\/strong><\/pre>\n\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Was ist die Dummy-Variablenfalle?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"