处理非十进制变量的最佳实践。 [ACM KDD 2009 杯]

Posted 2023-03-12

【中文标题】处理非十进制变量的最佳实践。 [ACM KDD 2009 杯]

【英文标题】：Best practices for handling non decimal variables. [ACM KDD 2009 CUP]

【发布时间】：2012-10-01 22:24:12

【问题描述】：

为了练习，我决定使用神经网络来解决ACM Special Interest Group on Knowledge Discovery and Data Mining at 2009 cup 所述的分类问题（2 类）。我发现的问题是数据集包含很多“空”变量，我不知道如何处理它们。此外出现了第二个问题。如何处理其他非小数，如字符串。您的最佳做法是什么？

【参考方案1】：

大多数方法都需要数字特征，因此必须将分类特征转换为计数。例如。如果实例的属性中存在某个字符串，则计数为1，否则为0。如果出现多次，则计数相应增加。从这个角度来看，任何不存在的特征（或者你所说的“空”）的计数都是 0。请注意，属性名称必须是唯一的。

【讨论】：

是的，这可能对分类特征有用，但数字特征和具有“空”值的特征呢？

这取决于特征对应的内容，但在许多情况下，“空”值仅表示 0。