技術標籤：機器學習

Scikit-learn資料預處理分類變數編碼之欄位特徵編碼

1 宣告

本文的資料來自網路，部分程式碼也有所參照，這裡做了註釋和延伸，旨在技術交流，如有冒犯之處請聯絡博主及時處理。

2 欄位特徵編碼簡介

字典特徵編碼主要是對字典型別的資料進行編碼，取key為列，value則對應列的值。比如NLP裡的詞頻,key為單詞、values為單詞出現次數。

注：這裡主要針對原始分類變數是字串的情況。

from sklearn.feature_extraction import DictVectorizer
data_dict = [{"NLP": 2, "Deep Learning": 4},
{"Nosql": 4, "Machine learning ": 3},
{"Nosql": 1, "Deep Learning": 2},
{"NLP": 2, "Machine learning": 2}]
dictvectorizer = DictVectorizer(sparse=False)
features = dictvectorizer.fit_transform(data_dict)
print(features)
print(dictvectorizer.feature_names_)