特征值提取

字典

from  sklearn.extaction  import DictVectorizer

m=DictVectorizer(sparse=False)#sparse是否转换成三元组形式

data=[],  #传入字典数据

data1=model.fit_transform(data)  #使用API

英文特征值提取

from sklearn.feature_extraction.text import CountVectorizer

data=[]

transfer=CountVectorizer(stop_words=])#创建词频提取对象

x=transfer.fit_transform(data)# 提取词频

中文特征值提取

from sklearn.feature_extraction.text import CountVectorizer,TfidfVectorizer

import jieba  # 导入jieba用于断词中文字符串

import pandas as pd

def text_cut(text):

 return "-".join(jieba.cut(text)) # 函数断词

data=[]

data1=(text_cut(i) for i in data) # 推导式

transfer=TfidfVectorizer(stop_words=[])

re=transfer.fit_transform(data1)

data2=pd.DataFrame(data=re.toarray(),columns=transfer.get_feature_names_out())

无量纲化-预处理

归一化

这里的 Xmin 和 Xmax 分别是每种特征中的最小值和最大值，而 ��是当前特征值，Xscaled 是归一化后的特征值。

标准化