机器学习实践/数据预处理/离散特征处理（1）

最新推荐文章于 2024-11-03 00:18:13 发布

火铳锅

最新推荐文章于 2024-11-03 00:18:13 发布

阅读量1.3k

点赞数 2

CC 4.0 BY-SA版权

文章标签：机器学习特征处理离散

本文链接：https://blog.youkuaiyun.com/msgla/article/details/98111623

import pandas as pd 
df = pd.DataFrame([
            ['green', 'M', 10.1, 'class1'], 
            ['red', 'L', 13.5, 'class2'], 
            ['blue', 'XL', 15.3, 'class1']])
#numpy添加列表名称 （记下这种手法：先通过pd.DataFrame()添加数据，再用columns()补充列名）
df.columns = ['color', 'size', 'prize', 'class label']
df

先用比较简单的映射字典法来对离散属性进行处理

'''
把标签转换成数值型   这样的连续化将没有顺序关系的类别变成具有顺序关系0，1，2等，
同时也导致了不同类别之间的距离不相等，简单的用L1范式，0-1距离为1，0-2距离为2
'''

class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))}



'''
df['class label'] 
输出：
0    class1
1    class2
2    class1
Name: class label, dtype: object 

set(df['class label'])
输出：
    {'class1', 'class2'}
是把df['class label']里面的数据装到一个集合里面，并且自动去除重复项


for idx,label in enumerate(set(