我是机器学习领域的新手。我采用了Udacity＆＃34;机器学习简介＆＃34;课程。所以我知道使用sklearn和python运行基本分类器。但是他们在课程中教授的所有分类器都采用单一数据类型进行训练。
我遇到了一个问题，我想将代码提交分类为＆＃34; clean＆＃34;或者＆＃34;越野车＆＃34;。 我有一个功能集，其中包含字符串数据（如人名），分类数据（说＆＃34;清除＆＃34; vs＆＃34; buggy＆＃34;），数字数据（如提交编号）和时间戳数据（如提交时间）。如何同时基于这三个特征训练分类器。假设我打算使用Naive Bayes分类器和sklearn。请帮助！
我正在尝试实施paper。任何帮助都会非常明显。
答案 0 :(得分：0)
许多机器学习分类器，如逻辑回归，随机森林，决策树和SVM，可以使用连续和分类功能。我的猜测是你有两条路要走。第一个是数据预处理。例如，将所有字符串/ cateogorical数据（人名）转换为整数，或者您可以使用整体学习。
集合学习是指您使用多数投票组合不同的分类器（每个分类器处理一种异构特征），例如，因此他们可以在分类中找到共识。希望它有所帮助。