han_sen cloud network

1. 前言2. 问题起源2.1. 对付数值型类别变量2.2. 对付字符串型类别变量2.3. 无用的尝试3. 另一种解决方案4. 参考资料1. 前言这几天埋头撰写『优雅高效地数据挖掘——基于Python的sklearn_pandas库』 一文，其中有一部分涉及如何批量并行地进行特征二值化，在此过程中发现了 scikit-

问题1 DataFrame能直接做训练集和测试集吗？猜想最近使用sklearn的模型的时候发现训练集可以直接传入pandas的DataFrame进行训练，而且进行预测的时候也可以直接传入DataFrame，我以为sklearn可以直接识别DataFrame中数据列的顺序，即使列的顺序是乱的也可以直接进行预测，于是做了个测试。测试这里训练集的x_train

前言在数据挖掘流程中，特征工程是极其重要的环节，我们经常要结合实际数据，对某些类型的数据做特定变换，甚至多次变换，除了一些常见的基本变换（参考我之前写的『数据挖掘比赛通用框架』）外，还有很多非主流的奇技淫巧。所以，尽管有sklearn.pipeline这样的流水线模式，但依然满足不了一颗爱折腾数据的心。好在，我找到了一个小众但好用的库——sklearn_pandas，能相对简洁地进行特征工

一、安装ipythona)  安装pip工具终端输入以下命令：sudo apt-get install python-pipb) 安装ipython终端输入以下命令：sudo apt-get install ipythonc) 安装ipython[notebook]终端输入以下命令：sudo apt-get install