字典数据特征抽取


前言

简单记录一下本人学习机器学习的学习过程


提示:以下是本篇文章正文内容,下面案例可供参考

一、字典数据特征抽取是什么?

将字典数据中的数据(常常带有文本)处理翻译成计算机可以认识的数据

二、使用步骤

1.引入库

导入sklearn库:

from sklearn.feature_extraction import DictVectorizer

2.字典数据特征提取函数

def dictvec():
    
    dict=DictVectorizer(sparse=False)
    
    data=dict.fit_transform([{'city':'北京', 'temperature ' : 100}, {'city':'上海','temperature' : 60}, {'city': '深圳','temperature ': 30}]) # 进行数据处理
    
    print(dict.get_feature_names()) # 特征值提取
    
    print(data)
    
    return None

2.运行结果

在这里插入图片描述


总结

将带有文本的字典数据进行特征处理时,可以直接调用sklearn的相关函数进行特征提取,从而实现将特征值中的文本数据转计算机可以认识的数字数据的效果。
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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