machine learning in coding（python）：拼接原始数据；生成高次特征

最新推荐文章于 2024-09-28 02:27:55 发布

原创最新推荐文章于 2024-09-28 02:27:55 发布 · 1.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #machine learning in #生成高次特征 #合并原始数据

ML in coding 同时被 2 个专栏收录

13 篇文章

订阅专栏

machine learning in coding

7 篇文章

订阅专栏

本文详细介绍了如何使用Python的pandas库读取CSV文件并进行数据拼接，然后利用numpy库的vstack和hstack函数进行数组合并。接着阐述了如何在生成高次特征前，对数据进行LabelEncoder操作，并提供了自定义函数group_data实现特征生成过程。

拼接原始数据：

train_data = pd.read_csv('train.csv')
test_data = pd.read_csv('test.csv')
all_data = np.vstack((train_data.ix[:,1:-1], test_data.ix[:,1:-1]))

numpy下的合并数组vstack和hstack函数：

>>> a = np.ones((2,2))
>>> b = np.eye(2)
>>> print np.vstack((a,b))
[[ 1.  1.]
 [ 1.  1.]
 [ 1.  0.]
 [ 0.  1.]]
>>> print np.hstack((a,b))
[[ 1.  1.  1.  0.]
 [ 1.  1.  0.  1.]]

生成高（2）次特征：

def group_data(data, degree=2, hash=hash):
    new_data = []
    m,n = data.shape
    for indicies in combinations(range(n), degree):
            new_data.append([hash(tuple(v)) for v in data[:,indicies]])
    return array(new_data).T

在生成高次特征之前，先做“LabelEncoder”操作。。。。

from kaggle