scikit-learn：4.2. Feature extraction（特征提取，不是特征选择）

最新推荐文章于 2025-09-08 16:53:10 发布

原创

最新推荐文章于 2025-09-08 16:53:10 发布 · 1.3w 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#scikit-learn #Feature extraction #特征提取

本文详细探讨了scikit-learn中的特征提取，包括DictVectorizer进行字典特征转换，FeatureHasher利用哈希技巧高效编码，重点介绍了文本特征提取的原理，并提及了图像特征提取中的patch提取和像素连接性分析。对于机器学习初学者，本文是掌握特征预处理的重要资源。

http://scikit-learn.org/stable/modules/feature_extraction.html

带病在网吧里。。。。。。写，求支持。。。

1、首先澄清两个概念：特征提取和特征选择（

Feature extraction is very different from Feature selection

）。

the former consists in transforming arbitrary data, such as text or images, into numerical features usable for machine learning. The latter is a machine learning technique applied on these features（从已经提取的特征中选择更好的特征）.

下面分为四大部分来讲，主要还是4、text feature extraction

2、loading features form dicts

class DictVectorizer。举个例子就好：

>>> measurements = [
...     {
  
  'city': 'Dubai', 'temperature': 33.},
...     {
  
  'city': 'London', 'temperature': 12.},
...     {
  
  'city': 'San Fransisco', 'temperature': 18.},
... ]
>>> from sklearn.feature_extraction import DictVectorizer
>>> vec = DictVectorizer()
>>> vec.fit_transform(measurements).toarray()
array([[  1.,   0.,   0.,  33.],
       [  0.,   1.,   0.,  12.],
       [  0.,   0.,   1.,  18.]])
>>> vec.get_feature_names()
['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature']

class

最低0.47元/天解锁文章