在机器学习中处理分类变量
在机器学习中处理分类变量
提问于 2018-05-30 18:05:49
我有如下形式的数据：
特征1特征2特征3->数值
问题是特征1类似于，字符串值类似于公司名称，特征2也是类似于类别的字符串值，而特征3只是时间戳。
我想训练一个给定特征的模型，它能够预测数值。
我知道回归可以用来解决这个问题。
但,
如何转换分类特征以便在regression?
- How中使用它们?我是否可以利用
- 的时间戳值？我是否应该提取月份、小时数(从0到23的线)，并将它们转换为更具分类性的值？
谢谢。
回答 1
Stack Overflow用户
发布于 2018-05-30 18:55:55
众所周知，机器学习算法不能直接理解文本，因此我们需要将这些字符串值转换为一个热门的向量表示。
我们使用一个热编码器来执行类别的“二进制化”，并将其作为一个特征来训练模型
因此，您可以使用pandas来执行此操作，例如
import pandas as pd
df =pd.DataFrame({'A':["google","amazon","microsoft"]})
pd.get_dummies(df)
A_amazon A_google A_microsoft
0 1 0
1 0 0
0 0 1在将变量转换为上述格式后，您可以应用回归谢谢
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50601916
复制相关文章
相似问题