字典特征提取

特征提取函数库: sklearn.feature_extraction

所谓字典特征就是特征数据以键值对的形式存放在字典里

from sklearn.feature_extraction import DictVectorizer

def dict_demo():
    #字典特征提取
    data = [{'city':'南京','province':'江苏','temperature':31},{'city':'苏州','province':'江苏','temperature':32}
    ,{'city':'西安','province':'陕西','temperature':35}]
    #字典特征提取
    #1.实例化
    transfer = DictVectorizer(sparse=False)
    #2.调用fit_transform
    trans_data = transfer.fit_transform(data)

    print(trans_data)
    print("特征名字：\n", transfer.get_feature_names())
if __name__=='__main__':
    dict_demo()

运行上面的程序我们可以看到: 

  我们把这个处理数据的技巧叫做”one-hot“编码

 我们为每个类别设置布尔列。这些列中只有一列可以为每个样本取值为1。术语一个热编码

具体啥意思呢? 就是把所有不同的属性都看成一列,南京，苏州，西安，江苏，陕西，温度数值这些都是不同的属性，它们都是一列。

transfer = DictVectorizer()
#()内不写 默认为true 则不会显示成矩阵
 

 不显示矩阵，会显示有数值的位置，以及布尔值和数值。

 这样做的好处，节省内存，读取效率高。试想一个数千行*数千行的稀疏矩阵你看着不头大?