将分类列添加到预测模型中

Question

我得到了一个客户数据框和有关他们活动的信息，我建立了一个模型来预测他们是否购买产品。我的标签是一列“did_buy”，如果客户购买，则分配 1，否则分配 0。我的模型考虑了数字列，但我还想将分类列添加到预测模型中，但我不确定如何转换它们并在我的 X 列车中使用它们。这是我的数据框列的一瞥：Company_Sector         Company_size  DMU_Final  Joining_Date  CountryFinance and Insurance       10        End User   2010-04-13   FrancePublic Administration       1         End User   2004-09-22   France还有一些列：linkedin_shared_connections   online_activity  did_buy   Sale_Date            11                        65           1      2016-05-23            13                        100          1      2016-01-12

Answer 1

让我建议您首先确定哪些分类变量是有序的（订单计数，例如好、非常好、坏等），哪些是名义变量（顺序无关紧要，例如颜色）。对于序数，您可以使用 map 如下：

    Category

0   Excellent

1   Excellent

2   Bad

3   Good

4   Bad

5   Very Good

6   Very Bad

df.Category = df.Categoy.map({'Excellent':5, 'Very Good':4, 

                              'Good':3, 'Fair':2, 'Bad':1, 'Very Bad':0})

    Category

0   5

1   5

2   1

3   3

4   1

5   4

6   0

对于名义变量，您可以实施虚拟变量方法。示例：假设您的分类变量有两个值“Native”和“Foreign”。您可以创建一个名为“本机”的列，其中 1 表示本机，0 表示外来。可以为多个类别实施。

data = pd.DataFrame({"Origin": ['Native', 'Native', 'Foreign', 'Native', 'Foreign']})

    Origin

0   Native

1   Native

2   Foreign

3   Native

4   Foreign

data['Native'] = pd.get_dummies(data['Origin'], drop_first=True)

data.drop("Origin", axis = 1, inplace = True)

这将导致：

    Native

0   1

1   1

2   0

3   1

4   0