Clustering Scikit - 将业务数据转换为机器学习输入数据答案

【问题标题】：Clustering Scikit - Convert Business Data to machine learning input dataClustering Scikit - 将业务数据转换为机器学习输入数据
【发布时间】：2016-09-02 01:24:47
【问题描述】：

我是数据科学领域的新手，我正在尝试了解有关机器学习结果的概念。我已经开始使用 scikit - clustering 示例。到处都有使用 scikit 库的文档。但是所有的例子都假设有现成的数值数据。

现在数据科学家如何将业务数据转换为机器学习数据。举个例子，这是我准备的客户和销售数据..

第一张图片显示了客户数据，其中一些参数具有整数、字符串和布尔值

第二张图显示了这些客户的历史销售数据。

现在如何将如此真实的业务数据转换为提供给机器学习算法？如何将每个数据转换为算法可以理解的公因子？

谢谢克

【问题讨论】：

标签： algorithm machine-learning scikit-learn cluster-analysis data-science

【解决方案1】：

从技术上讲，有很多方法，例如 one-hot 编码、标准化和进入日志空间以获取倾斜属性。

但问题不只是技术性质的。

找到一种方法是不够的，但您需要找到一种非常适合解决您的问题的方法。这通常因问题而异。没有“交钥匙解决方案”。

【讨论】：

谢谢@Antony-Mousse。有什么地方可以阅读这些技术吗？可能有一些例子？我知道这是一个复杂的话题，需要一些经验来做到这一点..

【解决方案2】：

除了@Anony-Mousse 的评论，您可以将 Won/Lost 列转换为值 1、0（例如，1 代表 Won，0 代表 Lost）。对于Y 列，假设您在该列中有3 个唯一值，您可以将A 转换为[1, 0, 0] 和B 到[0, 1, 0] 和C 到[0, 0, 1]（称为单热编码） .在Z 列上相同，您可以将TRUE 列转换为1 和FALSE 到0（或分别为True 或False）。

要将 2 个表格或 excel 文件合并在一起，您可以使用名为 pandas 的附加库，它允许您将两个数据框合并在一起，例如df1.merge(df2, on='CustID', how='left')。现在，您可以将您的功能集正确地用于 scikit 学习。

【讨论】：

谢谢！我给出的例子是一个随机的。在一个真实的总线系统中，我有很多这样的特性，在它被输入到 scikit 之前需要翻译成这些特性。有没有我可以学习这些技巧的起点？
我会说它是书籍和代码文档的混合组合。我最喜欢的机器学习书籍是 Bishop 的模式识别和机器学习。阅读后，您将了解一些基本的机器学习术语，现在可以在 Google 或文档上进行搜索。文档方面，如果我想做one-hot encoding，我会直接去scikit learn的页面scikit-learn.org/stable/modules/generated/…看。很多很好的例子也在像 Kaggle 这样的网站上，人们在那里解决机器学习问题:)