在机器学习中处理分类变量

Question

我有以下表格的数据：

特征1特征2特征3 ---＆gt;数值

问题是功能1类似，字符串值如公司名称，功能2也是类别的字符串值，功能3只是时间戳。

我想训练一个模型，假设这些特征能够预测数值。

我知道可以使用回归。

但是，

1. 如何转换分类功能以便在回归中使用？

2. 如何利用时间戳值进行预测？我应该提取月份，小时数（0-23行）并将它们分成更多的分类值吗？

感谢。

Answer 1

我们知道机器学习算法无法直接理解文本，因此我们需要将这些字符串值转换为一个热矢量表示。

我们使用一个热编码器来执行类别的“二值化”并将其作为训练模型的功能包含在内

所以你可以用pandas， 例如

import pandas as pd 
df =pd.DataFrame({'A':["google","amazon","microsoft"]})

pd.get_dummies(df)

    A_amazon    A_google    A_microsoft
     0              1          0
     1              0          0
     0              0          1

将变量转换为上述格式后，您可以应用回归 感谢