數據和特征決定了機器學習的上限，而模型和算法只是逼近這個上限而已。那特征工程到底是什么呢？顧名思義，其本質是一項工程活動，目的是最大限度地從原始數據中提取特征以供算法和模型使用。

特征工程就是將文本數據轉化為數字，因為計算機只能識別數字，運算數字

Categorical Features 分類特征

data = [{'price': 850000, 'rooms': 4, 'neighborhood': 'Queen Anne'},{'price': 700000, 'rooms': 3, 'neighborhood': 'Fremont'},{'price': 650000, 'rooms': 3, 'neighborhood': 'Wallingford'},{'price': 600000, 'rooms': 2, 'neighborhood': 'Fremont'} ]

如何處理 neighborhood，字典是一個不錯的選擇

{'Queen Anne': 1, 'Fremont': 2, 'Wallingford': 3};

還有一種行之有效的技術是使用一種熱編碼，它有效地創建額外的列，分別指示值為1或0的類別是否存在。

from sklearn.feature_extraction import DictVectorizer vec = DictVectorizer(sparse=False, dtype=int) vec.fit_transform(data

總結

以上是生活随笔為你收集整理的sklearn 特征工程的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。