1回答
我想对同时包含非数字和数字信息的特征进行编码。这是我的代码from sklearn import preprocessing
dictionary = {'Values':['Y','N','Y','N',99,'N'],'AGE':[23,24,12,-
浏览 26提问于2019-07-22得票数 0
回答已采纳
我有一个包含数字和分类特征(非数字)的数据集，而分类特征可以有许多值(无限制)。我需要转换这些数据以形成一个KMeans集群模型。目前，我已经在训练过程中使用python函数将所有非数值型数据编码为数值型格式，并在测试过程中使用同一函数对非数值型数据进行编码。下面的代码是我用来编码非数字特征<
浏览 2提问于2019-07-23得票数 2
4回答
分类编码前后的标准化？
、、、、
我正在研究一种回归算法，在这种情况下，k-NearestNeighbors可以预测某个产品的价格。
所以我有一个训练集，它只有一个分类特征和4个可能的值。我已经使用了一对k分类编码方案来处理它，这意味着现在我的Pandas DataFrame中还有3列，其0/1取决于当前值。DataFrame的其他特征主要是位置和价格的纬度-经度等距离
浏览 0提问于2017-11-13得票数 8
回答已采纳
我刚刚开始与ML和我的第一次Kaggle比赛(泰坦尼克号)。我只是想知道用以下步骤组织数据以避免冗余的最佳方法是什么：数据缺口的核算(估算)将数据拆分为培训和验证集
然后对模型进行拟合和预测。我的主要问题是，在对数据进行编码之前，是否最好先进行拆分，还
浏览 0提问于2018-08-09得票数 0
1回答
我有一个dataframe，它包括数值和非数字值(它包括一些特殊的字符，如-、空格等)。我想编码这个非数字值来运行corr()。非数字列名，例如：'Department'，'Location‘等。但它显示了一个TypeError；我使用了这个代码：
浏览 7提问于2022-09-15得票数 0
1回答
我们知道，在数据挖掘中，我们经常需要对分类特征进行一次性编码，因此，一个分类特征将被编码为几个"0/1“特征。有一个特例让我感到困惑:现在我的数据集中有一个分类特征和一个数字特征，我将分类特征编码为300个新的"0/1“特征，然后使用MinMaxScaler对数字
浏览 2提问于2018-12-03得票数 0
我试图从一组数字和分类的特性中训练支持向量机，例如：距离Y(数字)单词1 Bold (布尔)字1字体大小(数字)
..。对于将特性映射到特征数组，我将true视为1，false为0，然后使用Z-分数对整个功能数组进行规范化。我是否应该对false as -1进行编码，
浏览 0提问于2017-09-06得票数 5
我有一个数据集，其中包含15个分类特征(2和3个级别因素，这是不序数)和3个连续的数字特征。鉴于大多数机器学习算法都需要将数字数据作为输入特征，并且实际上自动地对其进行一次性编码(随机森林、glmnet等)，那么在数据预处理过程中不应该执行一次热编码来探索编码特征数据之间的关系吗？还是最好先探索原始分类数据之间
浏览 0提问于2020-07-31得票数 5
回答已采纳
多特征神经网络的问题是模棱两可的，在区分不同的特性方面没有明确的区别。我想了解如何使用RNN预测时间序列的多个特征，包括非数字数据，以及。作为一种深度学习模型，我假设我不需要量化非数字元素。我已经找到了一些演示，比如这里，关于在数值数据中使用RNN，而不是用非数字数据来丰富数据。如何预测包含数字特征<e
浏览 0提问于2017-08-17得票数 5
1回答
kNN是一种基于距离的方法，因此它要求输入为数值形式.使用顺序编码似乎不是个好主意。如果我们将数字1-10分配给颜色，那么基于距离的度量将假设颜色1和3之间的距离与颜色2和4之间的距离
浏览 0提问于2021-03-29得票数 2
这是基于中对JSON格式的描述，其中指出：
JSON文本是一系列标记。这组标记包括六个结构字符、字符串、数字和三个文字名称。以下是六个结构特征：
然而，RFC-4627状态声明它“没有指定任何类型的因特网标准”。相反，JSON的官方标准是最近发布的。与RFC-4627不同，EC
浏览 3提问于2013-10-24得票数 20
1回答
将数据的所有值存入熊猫的百分位数
、、、、
我有一个包含所有数字列的dataframe：import numpy as npdf = pd.DataFrame(np.random.randn(10, 2), columns=['A', 'B'])
我想要创建包括A和B的所有值的公共分位数。这两种方法都有一些缺失的值。一旦创建了公共分位数，我想在d
浏览 2提问于2016-06-22得票数 1
回答已采纳
1回答
Error Data type of columns 属于对象类型的数值列是当我尝试在没有它们的情况下拟合时给出错误原因的那些列，然后它就可以工作了。如何转换它们
浏览 31提问于2019-12-24得票数 0
回答已采纳
3回答
如何从scikit返回的feature_importances_ (学习DecisionTreeClassifier() )中获得按降序排列的功能名称？问题是分类器的输入特性不是原始特征，而是来自熊猫DataFrame get_dummies的数字编码特征。
例如，我从UCI存储库获取蘑菇数据集。数据集中的特性包括- cap_shape、cap_surface、cap_color、
浏览 0提问于2018-04-29得票数 3
我有一个包含数值和非数值列的dataframe。我只想对非数字列进行编码，并保持数字列的值不变。当我尝试用我的代码编码时，它会对所有列进行编码。下面是我的python代码from sklearn.ba
浏览 1提问于2019-02-06得票数 1
2回答
我试图建立一个模型的房价-先进回归技术数据集(1460，80)。它有37个数字特征和43个分类特征。这是我的密码
columns_transform_sc=make_column_transformer((MinMaxScaler()
浏览 5提问于2021-05-09得票数 0
回答已采纳
12回答
用其他一些整数进行编码
、、、
输入一个非空的正整数数组(大于0) .输出另一个非空的正整数数组，对输入数组进行编码。输出数组不使用输入数组中使用的任何数字。输出数组不应包含输入数组中使用的任何数字。输入和输出数组都可能包含重复的数字。
它应该能够从输出数组中</em
浏览 0提问于2022-01-05得票数 16
我知道决策树有基尼系数计算的feature_importance属性，它可以用来检查哪些特征更重要。但是，对于scikit-learn或Spark中的应用程序，它只接受数字属性，所以我必须将字符串属性转换为数字属性，然后对其进行one-hot编码器。当特征被放入决策树模型时，它是0-1编码的，而不是原始格式，我的问题是，如何解释原始属性的
浏览 2提问于2016-10-14得票数 11
2回答
我正在尝试使用的2000个主题的前20个频率数据但是，这不是以下行的正确格式sklearn.decomposition.RandomizedPCA(n_components=45)
pc
浏览 76提问于2018-12-07得票数 1
labels.toArray(), pi.toArray(), numpy.array(theta))当使用这一行训练模型时model = NaiveBayes.train(dataframe, 1.0)
但是，如果我使用一个数
浏览 0提问于2015-04-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
