類別型特徵的原始資料一般都是字串形式，只有決策樹等少數模型可以處理字串的輸入，對於傳統的模型來說，類別型特徵必須經過處理轉成數值型特徵。
一、序號編碼：用於處理類別間具有大小關係的資料。
二、獨熱編碼：稀疏向量
三、二進位制編碼：第一步：給每個類別賦予id，第二步：對id進行二進位制編碼。優點：維數少，節省空間。
from sklearn.feature_extraction import dictvectorizer one hot_encoder = dictvectorizer()
x = [,,
]onehot_encoder.fit_transform(x).toarray())
特徵工程 特徵分類及不同類特徵的處理方式
對特徵進行分類，對於不同的特徵應該有不同的處理方法。根據不同的分類方法，可以將特徵分為 例如文字特徵中的詞向量特徵，影象特徵中的畫素點，使用者id，商品id等。low level特徵一般維度比較高，不能用過於複雜的模型。例如人工打分，模型打分等特徵，可以用於較複雜的非線性模型。low level 比...
特徵處理 數值特徵處理
專案工作流程 標準化標籤，將標籤值統一轉換成range 標籤值個數 1 範圍內 簡單來說 labelencoder 是對不連續的數字或者文字進行編號 one hot的基本思想 將離散型特徵的每一種取值都看成一種狀態，若你的這一特徵中有n個不相同的取值，那麼我們就可以將該特徵抽象成n種不同的狀態，on...
資料預處理1 分類特徵編碼
背景 we don t talk anymore 很多時候，在我們拿到的資料集裡，特徵不都是連續的值，而是由某些離散化取值的資料組成。例如，性別特徵可以具有如下取值 male female 天氣特徵有如下取值 rainy sunny snowy 這樣的特徵是無法直接被模型識別的，因此需要將這些特徵轉...