关于遍历和切分特征的问题

来源：12-3 使用信息熵寻找最优划分

宝慕林4453330

2020-07-10

老师，你好，您的如下两行代码中：
sorted_index = np.argsort(X[:,d])
for i in range(1, len(X))

首先对数据进行了排序，然后对数据个数进行了统计。
我的问题是：1）如果特征是类别型的，还需要排序吗？类别型的特征是如何切分的呢？； 2）如果特征是连续型的，那么还能用len(X)进行统计吗？这种连续型的特征，遍历的次数会不会特别大呢？

写回答

1回答

liuyubobobo

2020-07-11

已采纳

在机器学习的底层，只有数字。回忆一下我们最初介绍 numpy 的矩阵，也只能存储数字。所以，对于类别型，需要转成数字。

对于类别型转成数字的方式，可以参考这里：http://coding.imooc.com/learn/questiondetail/65635.html

注意，上面的问答回答了如果类别特征没有大小关系，应该如何处理。但有的类别特征是有大小关系的。比如信用等级的：低，中，高，此时直接映射成 0 1 2 即可。

for i in range(1, len(X)) 这句话和特征是连续还是不连续没有关系，和样本数量的大小有关系。我们在遍历每一个样本，尝试以这个样本作为分割点。

继续加油！：）

宝慕林4453330

非常感谢！

2020-07-11

共1条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5893 学习 · 2454 问题

相似问题

回答 2

回答 5

回答 1

回答 1

回答 1