如何處理文本和數字特徵的組合？

Question

看着Kaggel的Job Salary Prediction，我看到數字特徵（如Category）和文本特徵（如FullDescription）。

我該如何去關於這些數據的培訓？我想過使用TfidfTransformer對文本進行向量化，但是它創建了許多學習算法（例如RandomForestRegressor）拒絕使用的稀疏矩陣。另外，一旦我有文本的特徵向量，我該如何將它與其他功能結合起來？

關於如何使用這些數據的任何指針？

謝謝！

Answer 1

我首先要獨立學習每個文本字段的tf-idf特徵的線性模型，並將線性模型預測作爲附加特徵添加到其他特徵，並在組合要素上訓練ExtraTreesRegressor或GradientBoostedTreeRegressor。