群集Scikit - 将业务数据转换为机器学习输入数据

Question

我是数据科学世界的新手，我正在努力理解关于ML结果的概念。我开始使用 scikit - clustering 示例。使用scikit库随处可见。但所有的例子都假设有现成的数值数据。

现在，数据科学家如何将业务数据转换为机器学习数据。举一个例子，这里是我准备的客户和销售数据..

第一张图显示了客户数据，其中一些参数具有整数，字符串和布尔值

第二张图显示了这些客户的历史销售数据。

现在如何将这样的真实业务数据转换为机器学习算法？如何将每个数据转换为算法可以理解的公共因子？

由于 ķ

Answer 1

技术上，有很多方法，例如单热编码，标准化，以及为偏斜属性进入日志空间。

但问题是不只是技术性的。

找到某种方式是不够的，但你需要找到一个非常好的问题。这通常与问题有很大不同。没有“交钥匙解决方案”。

Answer 2

除了@ Anony-Mousse的评论之外，您还可以将Won / Lost列转换为值1,0（例如Won为1，Lost为0）。对于Y列，假设您在列中有3个唯一值，您可以将A转换为[1, 0, 0]和B转换为[0, 1, 0]和{{1} } C（称为单热编码）。在[0, 0, 1]列上相同，您可以将Z列转换为TRUE，将1转换为FALSE（或0或True ）。

要将2个表或excel文件合并在一起，您可以使用名为False的其他库，它允许您将两个数据帧合并在一起，例如pandas。现在，您可以将您的功能集设置为scikit正确学习。