具有多种数据类型的分类器（机器学习/数据科学）答案

【问题标题】：Classifier with multiple datatypes (Machine Learning / Datascience)具有多种数据类型的分类器（机器学习/数据科学）
【发布时间】：2020-07-23 03:54:50
【问题描述】：

我是机器学习/数据科学的初学者。我准备了一个数据集，它包括部分分类列、日期时间对象和数字列。目标是一个多类项目（~ 6 个类）。我正在使用 Jupyter Notebook 和 Python。

到目前为止，我已经尝试了一个简单的示例，例如使用 SVM 学习器： https://www.geeksforgeeks.org/multiclass-classification-using-scikit-learn/

如何处理不同的数据类型？有没有可以很好地处理所有类型的分类器？对于 datetime 对象，我的想法是将它们更改为自零以来的分钟数（〜 1972 年？）。那么我将只有分类和数字数据。

请帮帮我

【问题讨论】：

标签： machine-learning classification data-science multiclass-classification

【解决方案1】：

分类列 - 一种热编码或响应编码。日期时间对象 - 是的，你是对的，而不是分钟让它成为年份（取决于你拥有的旧数据。）无论如何，你将进行标准化没关系，但对于像你提到的 1972 年这样的旧数据，它可以提供帮助如果需要特征重要性，您可以在几年内更好地可视化。此外，您可以选择年份 [1972 - 1982] 等等，看看什么最适合您。大多数情况下，它是针对特定问题的。数字数据 - 您无需执行任何操作。最终，您必须将特征转换为数字，以便任何机器学习算法都可以工作。希望这能回答您的问题。

【讨论】：

【解决方案2】：

对于您的分类特征，您需要对它们进行标签编码，以便您的机器可以理解它，并且（1972 年）如果您的特征中有类似的东西，那么首先您需要从所有数据中删除年份。

【讨论】：

您的答案可以通过额外的支持信息得到改进。请edit 添加更多详细信息，例如引用或文档，以便其他人可以确认您的答案是正确的。你可以找到更多关于如何写好答案的信息in the help center。