Python scikit-learn，数据的特征抽取，特征值化

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python scikit-learn，数据的特征抽取，特征值化，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1161字，纯文字阅读大概需要2分钟。

内容图文

scikit-learn工具可以做：数据的特征抽取、特征预处理、降维。

数据的特征抽取：将文本等数据进行特征值化(转换成计算机可以理解的数字类型)

demo.py（字典数据抽取，字典类型的数据转换成数字类型，DictVectorizer）：

from sklearn.feature_extraction import DictVectorizer  # 需要pip3安装scikit-learn。依赖Numpy,pandas等模块


# 字典数据抽取（将字典类型的数据转换成数字类型）

# 实例化DictVectorizer
dict = DictVectorizer(sparse=False)  # sparse=False表示返回矩阵形式(默认True)。(sparse表示稀疏，矩阵形式浪费内存)

# 调用fit_transform
data = dict.fit_transform([{'city': '北京','temperature': 100}, {'city': '上海','temperature':60}, {'city': '深圳','temperature': 30}])

print(dict.get_feature_names())  # ['city=上海', 'city=北京', 'city=深圳', 'temperature']
print(data)  # 第一列表示是否是"上海"，第二列表示是否是"北京"，最后一列表示"temperature"(本身是数值类型,不需要转换)。 参考get_feature_names()的返回值。
'''
[[  0.   1.   0. 100.]
[  1.   0.   0.  60.]
[  0.   0.   1.  30.]]
'''

# 将数字类型转换成字典类型
print(dict.inverse_transform(data))  # [{'city=北京': 1.0, 'temperature': 100.0}, {'temperature': 60.0, 'city=上海': 1.0}, {'temperature': 30.0, 'city=深圳': 1.0}]

内容总结

以上是互联网集市为您收集整理的Python scikit-learn，数据的特征抽取，特征值化全部内容，希望文章能够帮你解决Python scikit-learn，数据的特征抽取，特征值化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端