【Google 机器学习笔记】六、表示法

【Google 机器学习笔记】

六、表示法【Representation】

将数据映射到实用特征的过程称之为表示法。本节介绍如何规范处理数据。

---

• 特征工程：最大限度地从原始数据中提取特征以供算法和模型使用。
  
    如上图，由于原始数据常常以一些不适合的量表示（如使用-1来表示不存在）以及其他原因，需要将原始数据通过特征工程转化为机器学习能识别的数据（特征矢量：类似于Python中的元组）。
    另外，由于特征需要与权重相乘，一些数据也需要进行处理（如文字、种类等）。
    将原始数据转化为特征数据有以下两种方法：
    1. 映射数值：对于数值型数据，直接映射即可。如图：
   
    2. 映射分类值：对于规模较小的离散非数值型数据（称之为分类数据【Categorical data】 或 离散特征【Discrete feature】），需要使用特征工程将非数值转换为数值。有以下两种方法：
      ① 字典：定义一个从特征值到整数的映射。例如，通过这种方法，我们可以按照以下方式将街道名称映射到数字：
  原始特征值 映射值 Charleston Road 0 North Shoreline Boulevard 1 Shorebird Way 2 Rengstorff Avenu 3 Out of vocabulary(OOV) 4