scikit-learn库学习-特征工程

一、分类特征

常用的解决方法是独热编码（ One-Hot 编码）。 它可以有效增加额外的列， 让 0 和 1 出现在对应的列分别表示每个分类值有或无。

1、pandas库

pd.get_dummies()

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None, sparse=False, drop_first=False, dtype=None)

参数说明：

• data：array-like, Series, or DataFrame
• prefix：给输出的列添加前缀，如prefix=“A”,输出的列会显示类似
• prefix_sep：设置前缀跟分类的分隔符sepration，默认是下划线"_"

实例解释：

对指定的列

在这里插入代码片

2、scikit-learn库

2.1 DictVectorizer

可以用于处理对象是符号化(非数字化)的但是具有一定结构的特征数据，如字典等。
DictVectorizer对非数字化的处理方式是，借助原特征的名称，组合成新的特征，并采用0/1的方式进行量化，而数值型的特征转化比较方便，一般情况维持原值即可。

from sklearn.feature_extraction import DictVectorizer

data = [{
   'price': 850000, 'rooms': 4, 'neighborhood': 'Queen Anne'},
        {
   'price': 700000, 'rooms': 3, 'neighborhood': 'Fremont'},
        {
   'price'