1、【特征抽取(NLP)】机器学习之特征工程和文本特征的提取

  • 常用数据集构成 = 特征值 + 目标值(0/1)
  • 每一行为一条记录,每一列即为一个特征
  • 对特征值进行处理:
    • pandas进行简单处理(主要是对缺失值数据,重复值不用处理);

特征工程之特征抽取:

对文本数据进行特征值化(即转换为数值数据):sklearn.feature_extraction

  • 对字典数据进行特征值化:sklearn.feature_extraction.DictVectorizer
DictVectorizer.fit_transform(X)       
#X:字典或者包含字典的迭代器
#返回值:返回sparse矩阵
DictVectorizer.inverse_transform(X)
#X:array数组或者sparse矩阵
#返回值:转

你可能感兴趣的:(数据挖掘,DA,机器学习,sklearn,python)