机器学习之特征提取

特征提取 作为机器学习中一个前处理步骤，在降维、去除不相关和冗余的数据，增能够增加机器学习效率和效果，是大规模机器学习中必不可少的流程。需要注意的是特征提取与特征选择有很大的不同：两者都是数据降维的手段，前者包括将任意数据（如文本或图像）转换为可用于机器学习的数值特征；后者是将这些特征应用到机器学习中。

Demo:对字典特征抽取

　　对文本等数据进行特征值化, 让计算机更好地理解数据。对字典数据进行特征值化，主要是对类别特征进行One-hot编码。

API 接口 : 字典 Dict

sklearn.feature_extraction.DictVectorizer

1. DictVectorizer.fit_transform(X)

x:字典或者包含字典的迭代器

返回值：返回sparse矩阵（稀疏矩阵）

2. DictVectorizer.inverse_transform(X)

x:array数组或者sparse矩阵

返回值：转换之前的数据格式

3. DictVectorizer.get_feature_names()

返回特征名称

4. DictVectorizer.transform(x)

按照原先的标准转换

流程

• 实例化类 DictVerctorizer
• 调用 fit_transform方法输入数据并转换

案例

输出结果