scikit-learn - 决策树状态栏&相关数值栏

Question

我有一个数据，包括两列，其中一列明确显示功能的状态，另一列以数字形式显示相关值。就像下面这样：

我想通过 scikit learn 对这些数据运行决策树算法。我不确定如何处理这两列，因为从概念上讲，我无法弄清楚如何结合这些非常相关的特征。基本上，我们不应该留下空数据，但是，这个数据本质上应该在数值列中为空。如果我们将其设为“0”，则它具有另一种含义。

那么，我应该如何预处理这些数据以使决策树算法正常工作？

标签： scikit-learnnumericdecision-treecategorical-data

Answer 1

我的 prefossor 提供了一个合理的答案，如下所示。

首先，用“0”填充空单元格。如果将数据插入具有这两个特征的决策树算法，我们有两种情况：

• 如果“状态”先出现：树会将 0 和 1 分成两个分支。在 0 下，所有 Amount 值都已经为 0，因此不会选择此功能。在 1 之下，不会有任何 0 状态。

• 如果“金额”在前：所有状态 0 将只在一个分支下，它们将与金额非常小的那些放在一起。

因此，如果 Amount 数据嘈杂，保留 Status 列可能会有所帮助。否则，我会删除状态列。