我有以下数据集：
我想使用属性Tags和Authors将每条记录分类为它们各自的Rating。为此，我想使用随机森林分类器。我关心的是如何处理标签属性。每个条目都有不确定数量的标签，用逗号分隔。共有 4412 个唯一标签，标签较多的条目包含 20 个标签。第一个条目有标签 ["Rhode Island","Economy","Taxes","Lincoln Chafee"]。
我应该如何编码这个属性，以便我可以使用sklearn中的随机森林分类器？
为随机森林编码标签
数据挖掘
Python
scikit-学习
随机森林
编码
2022-02-22 05:55:11
1个回答
- 你应该使用 sklearn MultiLabelBinarizer
from sklearn.preprocessing import MultiLabelBinarizer
lb = MultiLabelBinarizer()
lb.fit_transform([['A', 'B', 'C'],[ 'A', 'D', 'E', 'B']])
数组（[[1, 1, 1, 0, 0],
[1, 1, 0, 1, 1]])
- 如果需要，删除低于阈值的列（列的总和）。这将通过删除低方差特征来减少特征计数