对具有分类数字和文本的数据进行预测。
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了对具有分类数字和文本的数据进行预测。相关的知识，希望对你有一定的参考价值。
我正试图为我的数据集建立一个分类器。数据中的每一个观察值都有分类和数值，以及更多的自由文本描述。我知道如何构建一个提升算法来处理分类和数值，而且我已经训练了一个神经网络，可以很成功地在文本上进行预测。我正在纠结的是，如何将这两种方法整合起来？
答案
使用语言模型嵌入你的自由文本（如平均法）。fasttext 词缀，或使用 google-universal-sentence-encoder)变成一个N次方的浮动向量。一热编码是分类的东西。将[embedding, one_hot_encoding, numericals]连起来，然后badabing badaboom，你已经得到了1个代表你的数据点的向量。
Tensorflow hub的 KerasLayer + https:/tfhub.devgoogleuniversal-sentence-encoder4。 是一个很好的起点。如果你需要自己训练一些东西，你可以看一下以下内容 tf.keras.layers.Embedding.
以上是关于对具有分类数字和文本的数据进行预测。的主要内容，如果未能解决你的问题，请参考以下文章
不确定如何将 sklearn 与包含文本和数字的特征向量一起使用