本文讨论了在随机森林模型中非数值型特征的处理，包括使用DictVectorizer、pandas的get_dummies进行onehot编码。同时，文章指出并非所有模型都需要归一化，归一化的目的和不同方法的选择，并提醒在onehot编码时要注意训练集中未出现取值的处理。此外，还提及了Oracle日期转换到Python的两种初步思路。
非数值型特征
首先，对于非数值列，肯定得想办法处理为数值型或者onehot编码。
- sklearn中，DictVectorizer可以做这件事：
DictVectorizer implements what is called one-of-K or “one-hot” coding for categorical (aka nominal, discrete) features. Categorical features are “attribute-value” pairs where the value is restricted to a list of discrete of possibilities without ordering (e.g. topic identifiers, types of objects, tags, names…).
示例代码：
dt = DictVectorizer(sparse=False)
x_train = dt.
最低0.47元/天 解锁文章
997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
