修复了 one-hot 编码中的冗余，但在尝试反转时仍然出现错误

Question

我正在进行 one-hot 编码并使用 𝜃̂ =((𝕏𝑇𝕏)^−1) * 𝕏𝑇𝕪 来估计 theta。由于冗余，我收到了错误，因此我决定删除有冗余的列。

这是在删除列之前：

这是我的代码，因为我尝试删除具有冗余的列：

 def one_hot_encode_revised(data):

        

        all_columns = data.columns

    

        records = data[all_columns].to_dict(orient='records')

        encoder = DictVectorizer(sparse=False)

        encoded_X = encoder.fit_transform(records)

        df = pd.DataFrame(data=encoded_X, columns=encoder.feature_names_)

        

        return df.drop(['day=Fri', 'sex=Male', 'smoker=No', 'time=Dinner'], axis =1)

one_hot_X_revised = one_hot_encode_revised(X)

输出如下：

然后，我使用这个函数根据上面的方程估计 theta：

def get_analytical_sol(X, y):

"""

Computes the analytical solution to our least squares problem

Parameters

-----------

X: a 2D dataframe of numeric features (one-hot encoded)

y: a 1D vector of tip amounts

Returns

-----------

The estimate for theta

"""

return np.linalg.inv(X.T * X) * (X.T * y)

运行这个：

revised_analytical_thetas = get_analytical_sol(one_hot_X_revised, tips)

我的错误是： ValueError: 无法强制转换为 DataFrame，形状必须是 (8, 244): 给定 (252, 252)

作为参考，提示是这样的：

我是否正确地消除了冗余，如果是，为什么仍然有错误？

Answer 1

您在这一行中有一个错误return np.linalg.inv(X.T * X) * (X.T * y)。你想要做的是矩阵乘法。在 pandas 数据框中，符号*不用于矩阵乘法。您需要使用@或dot()数据框的方法。