對自己目前常用的幾種特徵提取方法做個簡要總結。
1，將文字資料轉化為特徵向量（其中countvectorizer只考慮詞彙在文字**現的頻率）
from sklearn.feature_extraction.text import countvectorizer
from sklearn.feature_extraction.text import tfidftransformer
wordvectorizer = countvectorizer(ngram_range=(1, 2))
x_train = wordvectorizer.fit_transform(x_train)
wordtransformer = tfidftransformer()
train_feature = wordtransformer.fit_transform(x_train)
笨辦法是直接用字典的key-value轉換（窮舉）
from sklearn.feature_extraction import dictvectorizer
dict_vec = dictvectorizer(sparse=false) # false：不產生稀疏矩陣
x_train = dict_vec.fit_transform(x_train.to_dict(orient='record'))
x_test = dict_vec.transform(x_test.to_dict(orient='record'))
print(dict_vec.feature_names_) # 檢視轉換後的列名
print(x_train)
__all__ = ['dictvectorizer', 'image', 'img_to_graph', 'grid_to_graph', 'text',
'featurehasher']
__all__ = ['countvectorizer',
'english_stop_words',
'tfidftransformer',
'tfidfvectorizer',
'strip_accents_ascii',
'strip_accents_unicode',
'strip_tags']
特徵工程 特徵提取
特徵提取 將任意資料 如文字或影象 轉換為可用於機器學習的數字特徵 注 特徵值化是為了計算機更好的去理解資料 字典特徵提取 作用 對字典資料進行特徵值化 dictvectorizer.get feature names 返回類別名稱 from sklearn.feature extraction i...
八 用scikit learn做特徵提取
現實世界中多數特徵都不是連續變數，比如分類 文字 影象等，為了對非連續變數做特徵表述，需要對這些特徵做數學化表述，因此就用到了特徵提取 比如城市作為乙個特徵，那麼就是一系列雜湊的城市標記，這類特徵我們用二進位制編碼來表示，是這個城市為1，不是這個城市為0 比如有三個城市 北京 天津 上海，我們用sc...
顏色特徵提取
顏色特徵是在影象檢索中應用最為廣泛的視覺特徵，主要原因在於顏色往往和影象中所包含的物體或場景十分相關。此外，與其他的視覺特徵相比，顏色特徵對影象本身的尺寸 方向 視角的依賴性較小，從而具有較高的魯棒性。面向影象檢索的顏色特徵的表達涉及到若干問題。首先，我們需要選擇合適的顏色空間來描述顏色特徵 其次，...