我是Python新手，这是一个关于在MultinomialNB中设置X_train的简单问题。
所以我想使用两个分类功能预测目标（“A1”，“A2，......”A5“）：工作日，包含7个唯一值（ '周一'，'星期二'，'星期三'，'星期四'，'星期五'，'星期六'，'太阳'）和位置有5个独特的值（'A'，'B' ， 'C'， 'd'， 'E'）。
这是我正在做的事情：
pd.getdummies将工作日和位置转换为二进制输入的向量LabelEncoder将目标转换为数值然后我做了以下（使用scikit-learn）：
clf=MultinomialNB()
clf.fit(X_train,y_train)
所以我的问题是：
以上步骤是否正确？特别是，是“get_dummies”处理分类功能的最佳方法吗？
通过以上操作，X_train将处于形状（N_samples，12），其中12来自7（矢量化工作日）和5（矢量化位置）。这个问题的设置是否正确？
非常感谢！
答案 0 :(得分：0)
一般来说，您的步骤听起来是正确的。我发现get_dummies()是为scikit-learn准备无序分类功能的最简单方法。但是，您实际上可以放弃＆＃34;基线水平＆＃34;对于每个分类变量，将要素数量减少到10（6 + 4而不是7 + 5）。另外，请注意，如果您有有序分类功能，则将其保留为一个功能并将类别转换为“明智的”＃34;数值。
在this Jupyter Notebook的第2部分中，我展示了上述所有内容的示例。