Question

我正在尝试创建一个用于预测航空公司延误的网络应用程序。我已经在我的计算机上离线训练了我的模型，现在我正在尝试使用Flask应用程序根据用户输入进行预测。为简单起见，假设我的模型有3个分类变量：UNIQUE_CARRIER，ORIGIN和DESTINATION。在训练时，我使用pandas创建了所有3个虚拟变量：

df = pd.concat([df, pd.get_dummies(df['UNIQUE_CARRIER'], drop_first=True, prefix="UNIQUE_CARRIER")], axis=1)
df = pd.concat([df, pd.get_dummies(df['ORIGIN'], drop_first=True, prefix="ORIGIN")], axis=1)
df = pd.concat([df, pd.get_dummies(df['DEST'], drop_first=True, prefix="DEST")], axis=1)
df.drop(['UNIQUE_CARRIER', 'ORIGIN', 'DEST'], axis=1, inplace=True)

所以现在我的特征向量是297长（假设我的数据中有100个不同的唯一载波和100个不同的机场）。我使用pickle保存了我的模型，现在我正在尝试根据用户输入进行预测。现在用户输入的形式为3个变量（原点，目的地，载波）。

显然，我不能使用pd.get_dummies（因为每个用户输入的所有三个字段只有1个唯一值）。将用户输入转换为我的模型的特征向量的最有效方法是什么？

Answer 1

由于你使用的是熊猫虚拟对象，因此使用密集向量，创建新向量的好方法是创建一个术语dict：vector_index，然后根据它填充一个零向量，类似于以下几行：

index_dict = dict(zip(df.columns,range(df.shape[1])))

现在有了新航班：

new_vector = np.zeroes(297)
try:
    new_vector[index_dict[origin]] = 1
except:
    pass
try:
    new_vector[index_dict[destination]] = 1
except:
    pass
try:
    new_vector[index_dict[carrier]] = 1
except:
    pass

如何根据用户输入（只有一条记录）创建用于预测的虚拟变量？

1 个答案: