1、如下圖，「age」「education」「marriage」「risk」是非數值型特徵，不可以直接訓練模型，需要進行編碼，把特徵轉換成數值型，然後進行訓練。
2、有很多種編碼方式，比如one-hot編碼（獨熱編碼），也可以對映有序特徵，對於分型別特徵，可以對類別進行編碼。
下圖用的就是對「age」「education」「marriage」「risk」對映有序特徵。
3、one-hot編碼
# one-hot編碼方法二：使用`pandas`的`get_dummies`函式實現
var = ["***", "education", "marriage","risk"]
multi_dummies = # 儲存三個 dataframe
credit_dummies = credit[["age","bill_1","bill_2","bill_3","bill_4","bill_5","bill_6"]]
for col in var:
dummies = pd.get_dummies(credit[col], prefix = col)
credit_dummies = pd.concat([credit_dummies,dummies],axis=1) # 將編碼結果與非編碼特徵水平拼接起來
總結：現在來了一批特徵 color price size classlabel 。其中有非數值型特徵，接下來我們該怎樣處理呢？
（一）size 特徵m l xl 這三個值是有大小差別的，編碼後最後能夠反映出大小關係,還有特徵反應順序關係的，比如小學，、初中、高中。最好用對映有序特徵方法編碼。
（二）classlabel標籤是屬於類別標籤，我們可以對類別進行編碼，和對映有序特徵差不多。
（三）對於color特徵，顏色值沒有大小之分，我們可以用one-hot encoding編碼方式進行編碼。
不同的模型對於非數值特徵的編碼要求有所不同。
（參考：《python機器學習》 ）
如何進行特徵選擇
前言 理論部分 乙個典型的機器學習任務是通過樣本的特徵來 樣本所對應的值。特徵過多會導致模型過於複雜，從而導致過擬合 而特徵過少則會導致模型過於簡單，從而導致欠擬合。事實上，如果特徵數大於樣本數，那麼過擬合就不可避免。特徵數比較少的時候，我們需要增加特徵。增加特徵方法很多 依照經驗 利用已有演算法提...
如何進行base64編碼
如何進行base64編碼 base64 使用us ascii子集的65個字元,每個字元用6位表示 對於文字串，編碼過程如下。例如 men 先轉成us ascii值.m 十進位制 109 e 十進位制 101 n 十進位制 110 二進位制 m 01101101 e 01100101 n 011011...
資料建模 機器學習之如何進行特徵工程（上）
1 特徵選擇 當資料預處理完成後，我們需要選擇有意義的特徵輸入機器學習的演算法和模型進行訓練。通常來說，從兩個方面考慮來選擇特徵 特徵是否發散 如果乙個特徵不發散，例如方差接近於0，也就是說樣本在這個特徵上基本上沒有差異，這個特徵對於樣本的區分並沒有什麼用。根據特徵選擇的形式又可以將特徵選擇方法分為...