机器学习-具有Text数据类型的独立列

Question

在我的数据集中，有一个独立的列称为“周期”。它具有以文本格式写的日期值。我不明白如何将其转换为数字。我正在使用多元线性回归和Python。列看起来像这样。关于这个的任何想法。

---

周期

6月10日至7月11日

6月20日至7月21日

6月17日至7月18日

Answer 1

  

关于此的任何想法

免责声明：由于您的问题范围广泛且在细节上含糊不清，答案仅旨在指出要研究的地方以及围绕它的一些一般术语。

这是分类数据的示例。简而言之，您可以使用它来做几件事情，下面给出一些想法：

• 如果类别是固定的，并且您知道所有可能的值，则可以通过为它们分配增量（或新的随机数）来将它们转换为数值。
• 如果您的类别事先未知，则可以将其转换为哈希类别。作为这种方法的一种变体，您可以仅对最常见的类别进行哈希处理，而摘要则可以将离群值减少为较小的哈希值，从而减少使用的类别总数。

• 您可以根据预期的影响对它们进行分类，这只是一些想法：

  • 按月大块进行桶化：
  • 将四方块进行桶化
  • 在几周内进行批量化

• 最后，您可以将其转换为更详细的表示形式， 像这样从中获得额外的价值（这只是一个例子）：

  Cycle                   C_Start_Day  C_Start_Month  C_End_Day  C_End_Month  C_Num_Days
  10th June to 11th July  10           6              11         7            1
  20th June to 21st July  20           6              21         7            1
  17th June to 18th July  17           6              18         7            1
  

注意：根据您之前的评论，我建议您使用最后一种方法（转换）。这样，您就可以从Cycle列中提取进行进一步数值处理所需的所有数据。