Например, признак, который принимает значения {'Male', 'Female', NaN}
, при использовании OneHotEncoder
(или какого-нибудь другого средства) переводил этот признак в два численных и кодировал:
f1 f2
Male 1 0
Female 0 1
Nan 0 0
Другой пример:
Исходный датасет:
Gender City
Person1 Male Moscow
Person2 Nan Kazan
Person3 Female Saratov
Полученный датасет:
f1(Male) f2(Female) f3(Moscow) f4(Saratov) f5(Kazan)
Person1 1 0 1 0 0
Person2 0 0 0 1 0
Person3 0 1 0 0 1
При этом, такой датасет должен получаться вне зависимости от того, имел ли сет, на котором тренировался энкодер, Nan
в каких-то категориях.
NaN
существуют "Imputers" ;)