Camila, hay varias cosas que debes arreglar en tu código. De partida, ¿de donde apareció X? ¿Por qué con el resultado de OneHotEncoder estás sobrescribiendo Z?¿De dónde proviene lista
?¿Qué valores posee?
Lo que hace OneHotEncoder es transformar una variable categórica en una matriz de 0s y 1s, donde cada columna representa una categoría y cada fila una observación. Vas a tener n columnas como cantidad de valores únicos que tengas en y
.
Lo otro, .fit()
espera una array como entrada, así que debes cambiar la forma de la lista para ser admitida en la función. Por ejemplo, para un conjunto de datos aleatorios:
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(100, 8)), columns=list('ABCDEFGH'))
df['I'] = np.random.choice(['a', 'b', 'c', 'd'], size=len(df))
y = df.iloc[:, -1]
X = df.iloc[:, :-1]
onehotencoder = OneHotEncoder()
y = onehotencoder.fit_transform(y.values.reshape(-1,1)).toarray()
De tu conjunto de datos, debes separar la variable dependiente (y
) de las independientes (X
) y luego aplicar la transformación. En tu caso, sería algo como:
onehotencoder = OneHotEncoder()
y = onehotencoder.fit_transform(dataset.iloc[:,4].values.reshape(-1,1)).toarray()