sklearn 特征工程

数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。

特征工程就是将文本数据转化为数字，因为计算机只能识别数字，运算数字

Categorical Features 分类特征

data = [ {'price': 850000, 'rooms': 4, 'neighborhood': 'Queen Anne'}, {'price': 700000, 'rooms': 3, 'neighborhood': 'Fremont'}, {'price': 650000, 'rooms': 3, 'neighborhood': 'Wallingford'}, {'price': 600000, 'rooms': 2, 'neighborhood': 'Fremont'}
]

  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

如何处理 neighborhood，字典是一个不错的选择

{'Queen Anne': 1, 'Fremont': 2, 'Wallingford': 3};

  

 

  
1
 

还有一种行之有效的技术是使用一种热编码，它有效地创建额外的列，分别指示值为1或0的类别是否存在。

from sklearn.feature_extraction import DictVectorizer
vec = DictVectorizer(sparse=False, dtype=int)
vec.fit_transform(data
  

 

  
1
  
2
 

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/90724195