scikit-learn-contrib/category_encoders

Handle missing in one hot encoder

Open

#400 opened on 2023年3月12日

GitHub で見る
 (3 comments) (0 reactions) (0 assignees)Python (2,322 stars) (397 forks)batch import
buggood first issue

説明

Expected Behavior

Currently, handle_missing=value adds a new column although the documentation says 'value' will encode a new value as 0 in every dummy column. Furthermore, we need a test for this

Actual Behavior

adds a column instead of using all 0

Steps to Reproduce the Problem

from category_encoders import OneHotEncoder
import pandas as pd

he = OneHotEncoder(handle_missing="value")

data = [("foo", 1), ("bar", 2), (None, 6)]
data = pd.DataFrame(data, columns=["c1", "c2"])
print(he.fit_transform(data))

Specifications

  • Version: 2.6
  • Platform: linux

コントリビューターガイド

技術スタック
pythonpandas
領域
datatesting
Issue 種別
bug
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3 hours
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
Basic PythonPandasUnderstanding of one hot encodingFamiliarity with scikit learn API
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
60
調査方針
Look at the OneHotEncoder implementation, likely in category encoders/encoders/one hot.py, to find how handle missing='value' is handled. The bug is that it adds a new column instead of filling 0 in all dummy columns. Write a test that reproduces the issue using the provided example, then fix the logic so that missing values are encoded as 0 in all columns. Also ensure that the existing tests pass. Update documentation if needed.