sklearn-01-特征工程:特征提取

这篇博客介绍了如何使用sklearn进行特征工程,涵盖了从字典类型特征的one-hot编码,到文本特征抽取,包括词频统计和Tfidf方法。特别是针对中文文本,通过jieba库进行了分词处理,并讨论了逆文档频率(Tfidf)在文本特征提取中的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 字典类型的特征抽取(结果是one-hot编码)

API:

from sklearn.feature_extraction import DictVectorizer

语法:

dv  = DictVectorizer(sparse=False)   #实例化
dv.fit_transform()		# 字典 --> one hot编码 
dv.inverse_transform()	#  one hot编码 --> 字典
dv..get_feature_names()  # 获取特征的名称

例子

# 字典特征抽取
from sklearn.feature_extraction import DictVectorizer
def dict_extraciton():
    data_dict = [{
   
   'city': '北京','temperature':32},
    {
   
   'city': '上海','temperature':22},
    {
   
   'city': '深圳','temperature':17}]
    dict_vectorizer  = DictVectorizer(sparse=False)
    one_hot_data  = dict_vectorizer.fit_transform(data_dict)
    print(dict_vectorizer.get_feature_names())
    print(one_hot_data)
    # 转回字典类型
    mydict = dict_vectorizer.inverse_transform(one_hot_data)
    print(mydict)
dict_extraciton()
['city=上海', 'city=北京', 'city=深圳', 'temperature']
[[ 0.  1.  0. 32.]
 [ 1.  0.  0. 22.]
 [ 0.  0.  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值