决策树状态栏&相关数值栏

Posted 2023-03-12

【中文标题】决策树状态栏&相关数值栏

【英文标题】：Decision Tree status column & related numerical value column

【发布时间】：2019-08-12 14:41:11

【问题描述】：

我的数据包括两列，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。如下所示：

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？

【问题讨论】：

请分享您迄今为止尝试过的内容，以及您面临的具体编程问题； SO 不是代码设计服务，建议您重新阅读How to Ask 和What topics can I ask about here?。

感谢您的洞察力。

【参考方案1】：

我的prefossor提供了一个合理的答案如下。

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

如果首先出现“状态”： 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。 1以下，不会有任何0状态。

如果“金额”在前：所有状态 0 将只进入一个分支，它们将与金额非常小的那些合并。

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