标签： python scikit-learn classification text-mining feature-extraction
我有一个带有7个属性和大约80,000行的标签数据集。但是，其中3个属性包含超过50％的缺失数据。我过滤了数据以忽略具有任何空值的行，这给我留下了大约30,000行完整数据。每个属性的值的格式是字符串，如＆＃34;这是属性i的实例的值。＆＃34;所需的输出（标签）是二进制（0或1），并且每个实例都有一个标签。我想训练一个分类器来预测测试集上的所需输出。我正在使用Python和sklearn，并坚持如何从这个数据集中提取特征。任何建议将不胜感激。感谢