Ich werde es als mein Memorandum schreiben.
Es ist sehr genau aus dem ersten Artikel, aber als Feature Quantity Engineering des maschinellen Lernens,
・ 0 ~ 1 ist 1,1 ~ 3 ist 2 ・ 3 ~ 10 ist 3 ・ 10 ~ 20 ist 4 …………
Ich denke, es gibt Zeiten, in denen Sie Feature-Mengen klassifizieren möchten.
Ein sehr leicht verständliches Beispiel [Beaufort Wind Class](https://ja.wikipedia.org/wiki/Beaufort Wind Class)
python
beaufort = [(0, 0, 0.3), (1, 0.3, 1.6), (2, 1.6, 3.4), (3, 3.4, 5.5), (4, 5.5, 8), (5, 8, 10.8), (6, 10.8, 13.9),
(7, 13.9, 17.2), (8, 17.2, 20.8), (9, 20.8, 24.5), (10, 24.5, 28.5), (11, 28.5, 33), (12, 33, 200)]
for item in beaufort:
train.loc[(train['wind_speed']>=item[1]) & (train['wind_speed']<item[2]), 'beaufort_scale'] = item[0]
Dieser Beispielcode ist sehr einfach, leistungsstark und benutzerfreundlich. Legen Sie es in Ihre Schublade! !!
Recommended Posts