Fiz a alteração:
import pandas as pd
base = pd.read_csv(‘census.csv’)
#Separando os atributos previsores e classe
previsores = base.iloc[:, 8:9].values
classe = base.iloc[:, 14].values
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.compose import ColumnTransformer
labelencoder_previsores = LabelEncoder()
onehotencorder = ColumnTransformer(transformers=[(“OneHot”, OneHotEncoder(), [1,3,5,6,7,8,9,13])],remainder=’passthrough’)
previsores = onehotencorder.fit_transform(previsores).toarray()
labelencorder_classe = LabelEncoder()
classe = labelencorder_classe.fit_transform(classe)
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
previsores = scaler.fit_transform(previsores)
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_previsores = LabelEncoder()
#transformar str em int / variáveis categóricas em numéricas
#lebels = labelencoder_previsores.fit_transform(previsores[:,1])
previsores[:,0] = labelencoder_previsores.fit_transform(previsores[:,0])
previsores[:,3] = labelencoder_previsores.fit_transform(previsores[:,3])
previsores[:,5] = labelencoder_previsores.fit_transform(previsores[:,5])
previsores[:,6] = labelencoder_previsores.fit_transform(previsores[:,6])
previsores[:,7] = labelencoder_previsores.fit_transform(previsores[:,7])
previsores[:,8] = labelencoder_previsores.fit_transform(previsores[:,8])
previsores[:,9] = labelencoder_previsores.fit_transform(previsores[:,9])
previsores[:,13] = labelencoder_previsores.fit_transform(previsores[:,13])
onehotencorder = OneHotEncoder(categorical_features=[0])
previsores = onehotencorder.fit_transform(previsores).toarray()
2 novos erros:
Ao executar: onehotencorder = OneHotEncoder(categorical_features=[0])
Erro:
return f(**kwargs)
TypeError: __init__() got an unexpected keyword argument ‘categorical_features’
Ao executar: previsores = onehotencorder.fit_transform(previsores).toarray()
Erro:
raise ValueError(
ValueError: all features must be in [0, 0] or [-1, 0]