「作者主頁」：士別三日wyx
「作者簡介」：CSDN top100、阿里云博客專家、華為云享專家、網絡安全領域優(yōu)質創(chuàng)作者
「推薦專欄」：對網絡安全感興趣的小伙伴可以關注專欄《網絡安全入門到精通》

特征工程就是從「原始數據」中提取「特征」，以供「算法」和「模型」使用。

簡單來說就是將任意數據（比如文本和圖像）轉換為可用于機器學習的數字特征。

一、特征提取API

sklearn.feature_extraction 是用來提取特征的 API 。

sklearn.feature_extraction.DictVectorizer(sparse=True)

• DictVectorizer.fit_transform( data )：接收字典類型的原始數據，返回提取的數字特征（sparse矩陣）
• DictVectorizer.inverse_transform( data )：將提取的數字特征，轉回原始數據。
• DictVectorizer.get_feature_names_out()：返回特征名字

一、提取數字特征

我們準備一個字典類型的數據，然后「提取」數字特征。

from sklearn import feature_extraction

# 原始數據（字典）
old_data = [
    {'name': "張三", 'age': 18},
    {'name': "李四", 'age': 20}]

# 初始化
vector = feature_extraction.DictVectorizer(sparse=False)

# 轉換數據
new_data = vector.fit_transform(old_data)
print(new_data)

輸出：

[[18.  1.  0.]
 [20.  0.  1.]]

二、特征名字

如果想知道提取的數字特征是什么意思，可以用 get_feature_names_out() 獲取「特征名字」，也就是特征和原始數據的對應關系。

from sklearn import feature_extraction

# 原始數據（字典）
old_data = [
    {'name': "張三", 'age': 18},
    {'name': "李四", 'age': 20},
    {'name': "王五", 'age': 22}]

# 初始化
vector = feature_extraction.DictVectorizer(sparse=False)

# 轉換數據
new_data = vector.fit_transform(old_data)
print(new_data)
# 特征名字
print(vector.get_feature_names_out())

輸出：

[[18.  1.  0.  0.]
 [20.  0.  1.  0.]
 [22.  0.  0.  1.]]
['age' 'name=張三' 'name=李四' 'name=王五']

接下來，解釋一下提取的數字特征是什么意思。提取的數字特征是個二維數組，里面包含了三個數組。

一個數組即一行，代表一個樣本；而一列，就代表一個特征。比如上面這個特征：

每個數組的第一列是age特征，age本來就是數字，所以就沒必要轉換了；
第二列是張三特征，用0和1表示，1表示name是張三，0表示name不是張三；
第三列是李四特征，1表示name是李四，0表示name不是李四；
第四列十王五特征，1表示name是王五，0表示name不是王五。

如果沒看懂，可以自己修改原始數據，然后查看輸出的結果。

這個提取的數字特征數組，其位置和特征類型有關，比如這里有 age、張三、李四、王五 四種特征類型，那么數字特征數組就有4個位置。如果特征類型有五種，那么數字特征數組就會變成5個位置，以此類推。這種提取方式也叫 one-hot編碼，

三、返回原始數據

將提取的數字特征，轉換會原始數據，可以使用 inverse_transform()。

from sklearn import feature_extraction

# 原始數據（字典）
old_data = [
    {'name': "張三", 'age': 18},
    {'name': "李四", 'age': 20},
    {'name': "王五", 'age': 22}]

# 初始化
vector = feature_extraction.DictVectorizer(sparse=False)

# 轉換數據
new_data = vector.fit_transform(old_data)
print(new_data)
# 轉回原始數據
print(vector.inverse_transform(new_data))

輸出：文章來源地址http://www.zghlxwxcb.cn/news/detail-510603.html

[[18.  1.  0.  0.]
 [20.  0.  1.  0.]
 [22.  0.  0.  1.]]
[{'age': 18.0, 'name=張三': 1.0}, {'age': 20.0, 'name=李四': 1.0}, {'age': 22.0, 'name=王五': 1.0}]

到了這里，關于【機器學習】特征工程 - 字典特征提取的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！