04_特征工程的定义，本质特征

04_特征工程的定义，本质特征

1.特征抽取：将文本、字符串、字典等数据，转换成数字就是特征抽取。

2.特征抽取API：sklearn.feature_extraction

3.字典特征抽取：对字典数据进行特征值化 ， 使用sklearn.feature_extraction.DictVectorizer

　DictVectorizer语法：DictVectorizer.fit_transform(X): X是字典或者包含字典的迭代器；　　返回值是sparse矩阵

　　　　　　　　　　 DictVectorizer.inverse_transform(X)：X是array数组或者sparse矩阵；　返回值是转换之前的数据格式

　　　　　　　　　　DictVectorizer.get_feature_names()：返回类别的名称

　　　　　　　　　　DictVectorizer.transform(X)：按照原先的标准转换

　字典数据抽取：把字典中一些类别的数据，分别进行转换成特征值

4.one-hot编码：将每个类别（可以看成是数据表中的每一列值）生成一个布尔列，这些列中只有一列可以为每个样本取值1。

   one-hot编码：简而言之，为了避免因为每一列下数字大小造成优先级困扰，利于数据分析和机器学习。

　字典特征抽取：[　{"city":"北京","temperature":100}, 

　　　　　　　　{"city":"上海","temperature":60}，

　　　　　　　　{“city”:"深圳","temperature":30}　 ]

from sklearn.feature_extraction import DictVectorizer

def dictvec():
    dict = DictVectorizer() # 如果sparse=False，得到一个矩阵

    # 调用fit_transform
    data = dict.fit_transform([{"city":"北京","temperature":100},
                               {"city":"上海","temperature":60},
                               {"city":"深圳","temperature":30}])
　　 

    print(dict.get_feature_names())
    print(data)

    return None


if __name__ == '__main__':
    dictvec()

结果：# 邻接矩阵
　　  (0, 1) 　　 1.0
　　  (0, 3)	100.0
　　  (1, 0)	1.0
　　  (1, 3)	60.0
　　  (2, 2)	1.0
　　  (2, 3)	30.0

　　 # 如果sparse=False，得到一个矩阵
　　　　['city=上海', 'city=北京', 'city=深圳', 'temperature']
　　　　[　[ 0. 1. 0. 100.]
　　　　　 [ 1. 0. 0. 60.]
　　　　　 [ 0. 0. 1. 30.]　]

注：特征化就是为了计算机更好的理解数据。


单词：feature特征、extraction抽取、Vectorizer矢量器、sparse稀疏、fit适合