首先必須知道什么是特征工程

什么是特征工程

特征工程是通過對(duì)原始數(shù)據(jù)的處理和加工，將原始數(shù)據(jù)屬性通過處理轉(zhuǎn)換為數(shù)據(jù)特征的過程，屬性是數(shù)據(jù)本身具有的維度，特征是數(shù)據(jù)中所呈現(xiàn)出來的某一種重要的特性，通常是通過屬性的計(jì)算，組合或轉(zhuǎn)換得到的。比如主成分分析就是將大量的數(shù)據(jù)屬性轉(zhuǎn)換為少數(shù)幾個(gè)特征的過程。某種程度而言，好的數(shù)據(jù)以及特征往往是一個(gè)性能優(yōu)秀模型的基礎(chǔ)。

那么如何提取好的特征將是本文主要內(nèi)容

我們將簡要介紹一些常用的特征提取方法：

• 字典加載特征:DictVectorizer
• 文本特征提取：詞頻向量(CountVectorizer)
• TF-IDF向量(TfidfVectorizer,TfidfTransformer) 特征哈希向量(HashingVectorizer)
• 圖像特征提取: 提取像素矩陣提取邊緣和興趣點(diǎn)

字典加載特征:DictVectorizer

用python中的字典存儲(chǔ)特征是一種常用的做法，其優(yōu)點(diǎn)是容易理解。但是sklearn的輸入特征必須是 numpy或scipy數(shù)組。可以用DictVectorizer從字典中加載特征轉(zhuǎn)換成numpy數(shù)組，并且對(duì)分類特征 會(huì)采用獨(dú)熱編碼(one-hot)。

字典特征提取器：

• 將字典數(shù)據(jù)結(jié)構(gòu)抽和向量化
• 類別類型特征借助原型特征名稱采用0 1 二值方式進(jìn)行向量化
• 數(shù)值類型特征保持不變

from sklearn.feature_extraction import D

總結(jié)

以上是生活随笔為你收集整理的sklearn特征的提取(上）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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。