您的位置:首页 > 其它

特征工程之类别特征 处理方法介绍

2016-04-07 15:36 260 查看
当类别特征仍保持原始形式时,其取值来自所有可能取值构成的集合而不是一个数字,故不能作为输入。

当各个取值之间是没有顺序关系的并列关系,这样的类别特征称为 名义(nominal)变量。相反,那些存在顺序关系的(比如评级,评级5的会好于评级1的),则被称为 有序(ordinal)变量。

将类别特征表示为数字形式,常可借助 1-of-k 这样的编码方法进行。

假设变量的取值有 k 个,如果对这些值用 1 到 k 编序,则可用长度为 k 的二元向量来表示一个变量的值。在这样的向量里,该取值所对应的序号所在的元素为1,其他元素均为0.

>>>
labels = ['A+',
'A-',
'B+',
'B-',
'C+','C-',
'D+',
'D-']

>>>
binary_code = [0]*len(labels)>>>
binary_code[labels.index('B+')]
= 1

>>>
binary_code[
0.,
0.,
1.,
0.,
0.,
0.,
0.,
0.]
 

#
根据 类别 B+ 获得其对应的二元向量编码  

# [ 0., 0., 1., 0., 0., 0., 0., 0.]
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: