在我们将分类变量转换为用于训练模型的虚拟变量之后。我们倾向于发现特征的重要性。但是sklearn的model.feature_importance_对象返回每个虚拟变量的重要特性，而不是原始的分类变量。如何解决这个问题？
浏览 16提问于2020-04-07得票数 0
1回答
我正在使用XGBClassifier进行python训练，在我的训练数据集中有一些分类变量。最初，我计划在添加数据之前将它们每个都转换为几个虚拟对象，但随后将计算每个虚拟对象的特征重要性，而不是原始的分类对象。由于我还需要按重要性对所有原始变量(包括数字+分类)进行排序，因此我想知道如何获得原
浏览 1提问于2018-11-16得票数 0
2回答
滑雪场随机森林
、、
我试着用sklearn的随机森林分类器包来拟合随机森林模型。但是，我的数据集由具有字符串值('country')的列组成。这里的随机林分类器不接受字符串值。它需要所有特征的数值。我想用一些虚拟变量来代替这样的列。但是，我搞不懂现在的特色重要情节会是什么样子。会有诸如country_India、country_usa等变量。如果我用R进行分析，如何</em
浏览 0提问于2016-04-03得票数 0
回答已采纳
我正在用sklearn.ensemble.GradientBoostingRegressor训练一个模型。
我的数据集包括不同的变量，包括数值变量和类别变量。，因为sklearn不支持分类变量，所以在输入Regressor之前，我使用DictVectorizer来转换这些分类特性。arrX = np.concatenate((arrNumVariables,arrCateFeatu
浏览 0提问于2014-09-04得票数 4
回答已采纳
我一直在尝试构建一个ML模型，该模型预测不同产品通过部署管道所需的时间。我已经创建了大约30-40个不同的特征，其中90%是分类特征，10%是数字特征。例如，我有一个特性“产品类别”，它可以有5个不同的值。然后，我为我的所有分类变量创建了虚拟变量，最终得到了大约200-300个变量。我已经训练了一个XGboos
浏览 4提问于2019-02-27得票数 1
几周来，我一直在测量通过自动发布管道发布产品所需的时间。我有几个不同的分类功能，如“产品类别”，“产品负责人”。然后，我也有一些数字类别，如“一天中的时间开始工作”，“子产品的数量”等等。总共我有16个不同的类别，每个类别可以有大约10个不同的值。
现在，我将尝试训练一个回归模型，看看我是否能够根据这些特性预测出产品通过管道所需的提前期(所需时间)。我想知道这些特性中是否有比其他特性更相关的特性。正如我所理解的那样，我</em
浏览 0提问于2019-02-17得票数 0
2回答
如果我需要在我的数据集中运行特性选择，那么使用OneHotEncoder不是有问题吗？难道它就不能决定删除其中一个编码列吗？我该怎么处理呢？谢谢。
浏览 0提问于2020-02-29得票数 2
回答已采纳
4回答
特征重要性语境下的决策树解释
、、、、
我试图了解如何充分理解决策树分类模型的决策过程。我要看的两个主要方面是树的图形表示和特性重要性列表。我不明白的是特性的重要性是如何在树的上下文中确定的。例如，下面是我的特性重要性列表：
特征排名: 1.我天真的假设是，最重要的特征将被排在树顶附近，从而产生最大的影响。如果这是不正确的，那么是什么使一个功能“重要”？
浏览 0提问于2017-02-02得票数 13
回答已采纳
2回答
有没有可能量化变量的重要性，以计算出一个观察值落入一类的概率。类似于Logistic回归的东西。例如:如果我有以下自变量: 1)猫的数量2)狗的数量一个人有3)鸡的数量有没有可能这样说：“如果一个人比他现有的动物范围多领养一只猫，他成为善待动物组织的一部分的可能性增加了我目前正在使用以下方法来实现这个特定的场景: 1)使用训练数据建立一个随机森林模型2)预测客户在一个特定类别中跌倒的概率(Peta vs
浏览 2提问于2018-09-25得票数 0
5回答
假设我有一个分类特征，即颜色，它采用以下值我想用它来预测随机森林中的一些东西。如果我只对它进行一次热编码(即我将它更改为四个虚拟变量)，我如何告诉sklearn这四个虚拟变量实际上是一个变量？具体来说，当sklearn随机选择要在不同节点上使用的特性时，它要么应该将红
浏览 12提问于2014-07-12得票数 77
回答已采纳
我有一个包括数字和分类特征的数据集，其中分类特征可以包含一个标签列表。，DictVecorizer就会优雅地将编码处理成适当的虚拟变量：RecipeData=[{整数特征被正确地处理，而分类标签被编码成布尔特征。牛奶‘，'TimeToPrep':5}，{
浏览 2提问于2014-01-15得票数 0
回答已采纳
1回答
result 1,2,cat1,12 2,3,cat2,13 1,6,cat1,6 1,1,cat2,12import pandas as pdfrom sklearn.lin
浏览 1提问于2016-04-11得票数 4
回答已采纳
1回答
背景：我正在研究医疗保险索赔的二元分类。我正在处理的数据有大约100万行，以及数字特性和分类特性(所有这些都是名义上的离散特性)的混合。我已经绘制了我的8个分类特征，其中最重要的是独特的因素水平：
替代虚拟变量：我一直在阅读特征哈希，并了解到该方法是一种可用于快速和空间效率高的特征矢量化方法的替代方法，它的特殊性适用于基数较高的分类
浏览 3提问于2020-04-02得票数 0
回答已采纳
1回答
在分类问题中什么时候取虚拟变量？
、、、、
我正在做一个二进制分类问题，我预测一个客户是否会订阅一个运动(为航空业)。有一些变量是十分之一(1到10)和变量，如教育水平(0到5)。我应该如何对待我的变量？我是否需要将这些变量转换为虚拟变量(0或1)，我正在运行Logistic回
浏览 2提问于2017-03-22得票数 0
回答已采纳
3回答
我试图了解一些自变量之间的基本原理，并在因变量上量化它们的重要性。我遇到了像随机森林这样的方法，它可以量化变量的重要性，然后预测结果。然而，我对随机森林或类似方法使用的数据的性质有一个问题。下面提供了一个数据结构的示例，正如您可以看到的那样，时间序列具有一些变量，如人口和年龄，这些变量不会随时间变化，尽管不同的城市不同。而其他变量，如温度和互联网用户数量，则随着时间和城市内部的变化而变化。我
浏览 0提问于2020-08-16得票数 0
我正在处理一个30列的数据集(29列，1个非序数分类)。我热编码的分类功能，并达到35列。为了提高培训效率，我希望在我的数据集上执行特征选择。但是，我对如何处理包含分类和数值特性的数据集感到困惑。我读到，在假人身上应用PCA是不合理的，因为它们是离散的。首先将PCA应用于数值特征，然后将它们与假人连接起来，这是否合理？
我试图通
浏览 0提问于2020-07-15得票数 7
2回答
是否需要对python中的随机森林分类器进行一次热编码？我想从逻辑上理解，随机林中是否可以用标签编码来处理分类特性，而不是单热编码。
浏览 4提问于2021-01-14得票数 0
2回答
具有虚拟/分类变量的线性回归
、、、、
我有一组数据。我已经使用pandas将它们分别转换为虚拟变量和分类变量。所以，现在我想知道，如何在Python中运行多元线性回归(我正在使用statsmodel)？是否有一些考虑因素，或者也许我必须以某种方式在我的代码中指出变量是虚拟的/分类的？或者，也许变量的转换就足够了，
浏览 3提问于2018-06-07得票数 10
回答已采纳
2回答
我试图在UCI银行营销数据-> 上建立决策树和随机森林分类器。数据集中有许多分类特性(具有字符串值)。在spark文档中，可以通过使用StringIndexer或VectorIndexer索引将分类变量转换为数字变量。我选择使用StringIndexer (向量索引需要向量特征和向量汇编程序，它将特征转换为向量特征，只接受
浏览 6提问于2017-07-06得票数 5
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
