准备 csv 数据到 ML

Question

我想为分类问题实现 ML 模型。我的 csv 数据如下所示：

方法1；方法2；方法3；方法4；类别;类
结果1；结果2；结果3；结果4；运动; 12
...
...

所有方法，给出一个文本。有时它是一个单词，有时更多，有时单元格是空的（这种方法没有答案）。 “类别”列总是有一个文本，“类”列是一个数字，显示正确答案的方法数量（即数字 12 表示只有方法 1 和 2 的结果是正确的）。如有必要，可能会添加更多列。

现在，我想将所有方法的新答案归为一类。

我应该如何准备这些数据？我知道我应该有一个数字数据，但如何做到这一点，并处理所有空单元格，以及每个答案中的字数不一致？

Answer 1

我应该如何准备这些数据？我知道我应该有一个数字数据，但如何做到这一点，并处理所有空单元格，以及每个答案中的字数不一致？

有许多不同的方法可以做到这一点，但最简单的方法是使用 Bag of Words 表示，这意味着连接所有 Methodx 列并计算每个单词出现在它们上的次数。

这样，你就有了一个向量表示（每个单词都是一个列/特征，每个计数都是一个数值）。

现在，从这里开始存在几个问题（主要问题是数据集中的列/特征的数量会非常大），因此您可能必须进一步预处理数据或找到可以处理的 ML 技术给你。但是，无论如何，我建议您尝试查看几个有关 NLP 的教程，以便更好地了解这一点，并更好地估计什么是您的数据集的最佳解决方案。