Scikit學習：預測分類特徵

我想找出最好的一般方法來預測scikit-learn中的分類特徵，並想要一些建議。特別是，我可以做一個決策樹，它將處理分類數據就好，但我想嘗試一些其他的多分類模型。我可以使用獨特的方法將分類特徵轉化爲大量的二元特徵。Scikit學習：預測分類特徵

實例訓練集：

Age| Color | City  | Freq 
35 |'Orange'|'Seattle' | '<30' 
55 |'Black' |'Portland'| '>30' 
75 |'Red' |'Seattle' | 'Never'

可以很容易地更改爲：

Age| Color |City | Freq 
35 | 1 0 0 | 1 0 | 1 0 0 
55 | 0 1 0 | 0 1 | 0 1 0 
75 | 0 0 1 | 1 0 | 0 0 1

我可以劃分爲數據目標對這樣的：

X= Age| Color |City 
    35 | 1 0 0 | 1 0 
    55 | 0 1 0 | 0 1 
    75 | 0 0 1 | 1 0 

y= Freq 
    1 0 0 
    0 1 0 
    0 0 1

然後我能使用各種SK-Learn分類模型進行處理，但我不清楚這三個'Freq'特徵是否爲und理解爲相互排斥。因此，我的問題：

除了僅僅決策樹之外，是否有可能用廣義分類例程來預測分類特徵？

如何確保一組二進制功能保持互斥？

此外，是否可以將結果呈現爲以智能方式加入三個二進制特徵的度量？

感謝您的幫助！

來源

2014-11-14 user3654387

一個分類輸出變量相當於一個分類問題。你可以只是一個普通的分類器。這是你的情況嗎？或者我可能誤解 – Donbeo 2014-11-14 23:19:23

所以你在說訓練數據不需要是分類數據，而訓練目標不需要？文檔中提到 - 4.2.4。對分類特徵進行編碼：「將分類特徵轉換爲可與scikit-learn估計器一起使用的特徵的一種可能性是使用OneHotEncoder中實現的一種K或一種熱門編碼，該估計器將每個分類特徵m個可能的值轉換爲m個二元特徵，只有一個有效。「，所以我認爲目標也必須轉換。 – user3654387 2014-11-14 23:37:33

只要您明確使用分類算法而不是輸出變量就不成問題。可能你必須用數字替換字符串y =（a，a，b，c，a，c） - > y =（1,1,2,3,1,3）' – Donbeo 2014-11-15 00:00:52

是的，這是可能的。只是不要「一熱」你的輸出向量。將其轉換爲數字。

如頻率：

'<30' = 0 
'>30' = 1 
'Never' = 2

如果你這樣做的任何迴歸算法應該工作。然後，您可以爲每個輸出類設置閾值。

另一種選擇是擁有3個二元分類模型，每個分類模型爲每一個類訓練。

另請參閱Softmax迴歸。

來源

2017-10-18 23:00:36

Scikit學習：預測分類特徵

回答

相關問題