本文探讨了多值特征在数据处理中的挑战，包括论文关键字、商品描述等，列举了8种处理方法：Count、LabelEncoder、Multi One-Hot、CounterVector、TfidfVectorizer、Word2Vec、基础Multi-Value Embedding和加权Multi-Value Embedding。这些技巧对理解和处理这类特征提供了解决思路。
在诸多数据处理的问题中，存在着一类特殊的特征--多值特征，该类特征常见的情形有：
- 论文的关键字描述信息；
- 商品信息的描述；
- 网站关键词；
- 其它情况；
那么关于这些多值特征，该如何处理，都有哪些常见操作呢？本文我们介绍多值特征的8大处理技能，希望对大家有所启发和帮助。
- Count
- LabelEncoder
- Multi One-Hot
- CounterVector
- TfidfVectorizer
- Word2Vec
- 基础Multi-Value Embedding
- 加权Multi-Value Embedding
此处我们介绍几种最为常见的多值特征的处理技巧。
即计算多值特征中有多少个值。
如果特征存在明显的聚集效应，很多多值特征组合在一起就是一个有意义的信息，例如，
- 文章关键词里面的：SVM｜监督学习；
- 商品里面的，女生｜连衣裙；
等等，这些词组合在一起就是很有意义的一类信息，可以直接LabelEncoder进行编码；
这个不用多说了，就是每个不同的值对应一列特征，出现了就是1没出
最低0.47元/天 解锁文章
扫一扫
2166
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
