機(jī)器學(xué)習(xí)之?dāng)?shù)據(jù)預(yù)處理——特征編碼

• 數(shù)據(jù)預(yù)處理——特征編碼
• • 離散數(shù)據(jù)的編碼
  • • 標(biāo)簽編碼
    • • sklearn LabelEncoder(使用fit_transform函數(shù))
      • sklearn LabelEncoder(反向變換可以用函數(shù) inverse_transform)
    • 獨(dú)熱編碼
    • • sklearn OneHotEncoder

機(jī)器學(xué)習(xí)里有一句名言：數(shù)據(jù)和特征決定了機(jī)器學(xué)習(xí)的上限，而模型和算法的應(yīng)用只是讓我們逼近這個(gè)上限。這個(gè)說(shuō)法形象且深刻的提出前期數(shù)據(jù)處理和特征分析的重要性。這一點(diǎn)從我們往往用整個(gè)數(shù)據(jù)挖掘全流程60%以上的時(shí)間和精力去做建模前期的數(shù)據(jù)處理和特征分析也能看出。那么疑問(wèn)來(lái)了，這超過(guò)60%時(shí)間和精力我們都用在哪了？本文基于以往的知識(shí)儲(chǔ)備以及實(shí)際的項(xiàng)目經(jīng)驗(yàn)，我做一個(gè)總結(jié)。

主要包括三部分，一是獲取數(shù)據(jù)、數(shù)據(jù)抽樣，二是數(shù)據(jù)探索，三是數(shù)據(jù)預(yù)處理與清洗

數(shù)據(jù)預(yù)處理——特征編碼

由于機(jī)器學(xué)習(xí)算法都是在矩陣上執(zhí)行線性代數(shù)計(jì)算，所以參加計(jì)算的特征必須是數(shù)值型的，對(duì)于非數(shù)值型的特征需要進(jìn)行編碼

總結(jié)

以上是生活随笔為你收集整理的机器学习之数据预处理——特征编码(标签编码，独热编码)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。