字典特征提取 

第一列表示北京 第二列表示上海 第三列表示深圳 第四列表示温度

前面三列 是的话用1 不是的话用0

什么时候用稀疏矩阵：比如上面这种情况当你的城市很多的情况下 那这样就会出现大量的0 而系数矩阵只存储不是0的位置 可以节省大量空间

为什么采用这种表示方法呢？

首先我们来看 假如要分类：人是1 企鹅是2 章鱼是3

 那么这样数字表示的就存在优先级 不如按这种办法来

pclass是一等舱二等舱三等舱这种

字典特征抽取的应用场景：

 文本特征提取：自动抽取非字母的单词 

 

 

对中文分词 它会把连在一起的词也就是短句当做特征 不符合我们想要的效果 于是我们可以用空格把句子分割 但是还是麻烦 于是：

首先先import jieba：

.join是分割  join的参数是一个整体

 

 输出

 输出：

 

 KMeans：

 

 

 KMeans步骤：

这边的与原中心点一样代表着与上次的中心点还是一样 说明已经趋于极限值了 再改中心点意义已经不大了 已经是局部最优

 

 归一化：

 前面导入的是线性归一化 后面导入的是标准差归一化

 

图就省略了

降维：

这里的降维可以理解为降低特征的个数 使得相关性较强的特征减少