格式化机器学习数据

作者: 冷月如霜·胡狼
发布时间: 2024-08-20 04:51:01 (14天前)
转自：

3 条回复

0#
回复此人
筱梨 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 的 问题类型 </强> 最重要的是，请注意这是一个回归型问题，而不是分类。您希望尽可能接近正确的天数，而不是必须得到确切的答案（或失去所有信用）。你的成功标准应该是 不 是正确的百分比;相反，它应该是某种平均误差百分比。您可以抛弃使用独立分类预测的技术。 的 数据形状 </强> 您如何知道您的数据包含足够的信息以进行准确的预测？通常，这一发现来自于试验各种ML算法。您是否对空间或任何类型的相关性进行了任何可视化，以估计最大可能的准确度？ 的 当前的方法 </强> KNN是 不 对此有好处。将两个字符串功能放在线性连续体上没有正确描述它们。你给出的编码告诉我们aardvark是 许多 与飞机更密切相关而不是斑马。你需要分开这些。如 <code> Matthijs </code> 已经指出，单热编码是将这些分成正交特征的理想方法。 是个 <code> modelitem </code> 功能独立于类别？如果是这样，那么它也应该是单热编码的。如果它是依赖的，类别的子类型，那么你有一个更难的问题：在分离主要时保持二级鉴别器相关。这是决策树是一个好工具的地方。 的 一般建议 </强> 将此视为经典的回归问题，与许多介绍性讲座中的规范房屋定价示例一致。首先探索SGD和相关算法。如果你没有得到满意的结果，至少你有一个坚实的起点，并可以再次发布您的精炼问题。 </DIV>

编辑
1#
回复此人
听风～ | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 您当前使用称为LabelEncoding的方法对您的类别进行了编码。有一个 <a href="http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html" rel="nofollow noreferrer"> 方法 </A> 在SKLearn，顺便说一句，它可以为你做到这一点。 如果您使用此方法进行编码并使用诸如nearest-neighbors之类的模型，那么您暗示类别中按字母顺序排列的类也在语义上非常接近。 对于非基于树的模型的分类值进行编码，使用起来要好得多 <a href="http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html" rel="nofollow noreferrer"> OneHotEncoding </A> 。这将为每个填充了1或0的类创建一个列，具体取决于该条目是否属于列中指定的类。这看起来如下： <pre> <code> Category | is_a | is_b | is_c A | 1 | 0 | 0 B | 0 | 1 | 0 </code> </pre> 这样可以确保A与模型中的C一样远离B，这样可以显着提高结果。 </DIV>

编辑

登录后才能参与评论