[TF.4]特征工程
本文参考《Google机器学习速成课程》使用TF的基本步骤 点击下载源码 一、将原始数据映射到特征 映射字符串值 为要表示的所有特征的字符串值定义一个词汇表 使用该词汇表创建一个独热编码 映射分类（枚举）值 例：Lowland Countries 的特征只包含3个可能值{‘Netherlands’, ‘Belgium’, ‘Luxembourg’} Id feature_value 0 2 1 0 2 1 则表示为 3 个单独的布尔值特征x1：是荷兰吗？x2：是比利时吗？x3：是卢森堡吗？ Id feature_value_0 feature_value_1 feature_value_2 0 0 0 1 1 1 0 0 2 0 1 0 避免很少使用的离散特征值 良好的特征值应该在数据集中出现大约 5 次以上 清理数据 清查 遗漏值 重复样本 不良标签。 例如，有人错误地将一颗橡树的图片标记为枫树。 不良特征值。 例如，有人输入了多余的位数，或者温度计被遗落在太阳底下。 特征值归一化 指将浮点特征值从自然范围（例如 100 到 900）转换为标准范围（例如 0 到 1 或 -1 到 +1） 特征值缩放 不需要对每个浮点特征进行完全相同的缩放，即使特征 A 的范围是 -1 到 +1，同时特征 B 的范围是 -3 到 +3，也不会产生什么恶劣的影响 #线性缩放 def linear_scale(series): min_val = series.min() max_val = series.max() scale = (max_val – min_val) / 2.0 return series.apply(lambda x:((x – min_val) / scale) – 1.0)...