sklearn特征的提取(上）

首先必须知道什么是特征工程

什么是特征工程

特征工程是通过对原始数据的处理和加工，将原始数据属性通过处理转换为数据特征的过程，属性是数据本身具有的维度，特征是数据中所呈现出来的某一种重要的特性，通常是通过属性的计算，组合或转换得到的。比如主成分分析就是将大量的数据属性转换为少数几个特征的过程。某种程度而言，好的数据以及特征往往是一个性能优秀模型的基础。

那么如何提取好的特征将是本文主要内容

我们将简要介绍一些常用的特征提取方法：

• 字典加载特征:DictVectorizer
• 文本特征提取：词频向量(CountVectorizer)
• TF-IDF向量(TfidfVectorizer,TfidfTransformer) 特征哈希向量(HashingVectorizer)
• 图像特征提取: 提取像素矩阵提取边缘和兴趣点

字典加载特征:DictVectorizer

用python中的字典存储特征是一种常用的做法，其优点是容易理解。但是sklearn的输入特征必须是 numpy或scipy数组。可以用DictVectorizer从字典中加载特征转换成numpy数组，并且对分类特征 会采用独热编码(one-hot)。

字典特征提取器：

• 将字典数据结构抽和向量化
• 类别类型特征借助原型特征名称采用0 1 二值方式进行向量化
• 数值类型特征保持不变

from sklearn.feature_extraction import D
  

 

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/88652462