machine-learning - 具有多种数据类型的分类器（机器学习/数据科学）

Question

我是机器学习/数据科学的初学者。我准备了一个数据集，它包括部分分类列、日期时间对象和数字列。目标是一个多类项目（~ 6 个类）。我正在使用 Jupyter Notebook 和 Python。

到目前为止，我已经尝试了一个简单的示例，例如使用 SVM 学习器： https ://www.geeksforgeeks.org/multiclass-classification-using-scikit-learn/

如何处理不同的数据类型？有没有可以很好地处理所有类型的分类器？对于 datetime 对象，我的想法是将它们更改为自零以来的分钟数（〜 1972 年？）。然后我将只有分类和数字数据。

请帮帮我

标签： machine-learningclassificationdata-sciencemulticlass-classification

Answer 1

分类列 - 一种热编码或响应编码。日期时间对象 - 是的，你是对的，而不是分钟让它成为年份（取决于你拥有的旧数据。）无论如何，你将进行标准化没关系，但对于像你提到的 1972 年这样的旧数据，它可以提供帮助如果需要特征重要性，您可以在几年内更好地可视化。此外，您可以选择年份 [1972 - 1982] 等等，看看什么最适合您。大多数时候它是特定于问题的。数字数据 - 您无需执行任何操作。最终，您必须将特征转换为数字，以便任何机器学习算法都可以工作。希望这能回答你的问题。