lwj的小站

今天给大家带来的是商品预测案例： 文件描述： sales_train.csv - the training set. Daily historical data from January 2013 to October 2015. test.csv - the test set. You need to forecast the sales for these shops and prod...

接上节： 接下来我们要做的工作是缕清楚数据集的各个特征的特点，针对不同的特征提出不同的处理方法： 由于机器学习处理的都是都是数值信息，但是数据集有一部分是文本信息，这就需要对不同的文本信息进行不同的处理了。即下一步工作： 1. 特征的类别信息 age:连续性数值变量；可能的处理方法：分年龄段； workcass: Private, Self-emp-not-inc, Self-emp-i...

接上节机器学习实例2 上一节我们对所要处理的数据进行了分类（训练集和测试集），本节的主要目的是特征处理，关于数据集的特征信息我们已经在上一节详细介绍，这次直接进行处理： from sklearn.feature_extraction import DictVectorizer dict_vect=DictVectorizer(sparse=False) 以上代码的目的： 接着 X_t...