12、用逻辑回归预测在线广告点击率

用逻辑回归预测在线广告点击率

1. 分类特征转换为数值特征

在处理数据时，常常会遇到分类特征，而许多机器学习算法只能处理数值特征，因此需要将分类特征转换为数值特征。常见的转换方法有独热编码（One-Hot Encoding）和序数编码（Ordinal Encoding）。

1.1 独热编码

独热编码将具有 k 个可能值的分类特征转换为 k 个二进制特征，每个二进制特征表示对应可能值的存在或缺失。例如，对于特征 [Tech, Fashion, Fashion, Sports, Tech, Tech, Sports] ，使用独热编码后会得到相应的二进制表示。

可以使用 scikit-learn 中的 DictVectorizer 进行独热编码，示例代码如下：

from sklearn.feature_extraction import DictVectorizer
X_dict = [{'interest': 'tech', 'occupation': 'professional'},
          {'interest': 'fashion', 'occupation': 'student'},
          {'interest': 'fashion', 'occupation': 'professional'},
          {'interest': 'sports', 'occupation': 'stu