feature-engineering

1熱度

1回答

我希望能夠獲取字典（記錄）的列表，其中某些列的值列表爲單元格的值。下面是一個例子 [{'fruit': 'apple', 'age': 27}, {'fruit':['apple', 'banana'], 'age': 32}] 我怎麼能借此輸入並對其進行功能散列（在我的數據集我有成千上萬的列）。目前我正在使用一種熱門編碼，但這似乎消耗了很多內存（比我的系統上的更多）。我試圖把我的數據集作爲

1熱度

1回答

的Python - 分類

我想從一個連續變量改變我的特徵「年齡」，年齡範圍爲二元分類的分類變量，像這樣的最小方差的塊大小： df['Age'] = pd.cut(df['Age'], [0,6,12,16,65,90] ,labels=['0-6','6-12','12-16','16-65','65-90']) 不過我想要以最佳方式分割它，以便可以最有效地分類數據。即年齡範圍內班級的差異最小化，而不是過度擬合。是否

2熱度

1回答

如何處理Spark中最新的隨機森林中的分類特徵？

在隨機森林的Mllib版本中，有可能使用參數categoricalFeaturesInfo 指定具有名義特徵（數值但仍爲分類變量）的列什麼是ML隨機森林？在用戶指南there is an example使用VectorIndexer的類別特徵轉換矢量爲好，但它的寫有「自動識別類別特徵，並對其進行索引」 In the other discussion of the same problem我發現數值

-2熱度

1回答

什麼是最好的方式來表示星期幾和星期幾作爲機器學習中的價值預測模型的一個特徵？

當使用機器學習中的功能並以矩陣表示它們時，推薦的方法是將每天的小時和星期幾表示爲值預測模型的功能？對於所有小時值和小時值1使用0表示將這些屬性表示爲特徵的首選方式？一週中的哪一天都一樣？感謝

1熱度

1回答

熊貓的二維裝倉

因此，我有兩組功能，我希望裝箱（分類），然後組合以創建新功能。這與將地圖上的座標分類成網格無異。問題是功能不是均勻分佈的，我想在binning時使用分位數（如pandas.qcut()）在這兩個功能/座標上。有沒有比兩個功能上的更好的方法，然後連接結果標籤？

0熱度

1回答

在未知測試集上使用Select-K-best

我在sklearn中訓練了一個邏輯迴歸分類器。我的基本特徵文件有65個特徵，現在我通過考慮二次組合（使用PolynomialFeatures（））將它們外推到1000。然後我通過Select-K-Best（）方法將它們還原爲100。但是，一旦我訓練了我的模型並獲得了新的test_file，它將只具有65個基本特徵，但我的模型預計會有100個特徵。所以，我怎麼能應用在我的測試集選擇-K-最佳（）