《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》 課件4.1.1 啞變量處理

處理電商平臺(tái)用戶(hù)行為數(shù)據(jù)電商平臺(tái)用戶(hù)購(gòu)買(mǎi)預(yù)測(cè)——邏輯回歸任務(wù)描述某電商平臺(tái)需要對(duì)該平臺(tái)的運(yùn)輸行為進(jìn)行分析，并預(yù)測(cè)運(yùn)輸行為是否會(huì)按時(shí)到達(dá)。本任務(wù)需要對(duì)這些數(shù)據(jù)進(jìn)行處理和分析，以幫助該電商平臺(tái)更好地了解運(yùn)輸行為，并優(yōu)化運(yùn)輸策略，提高客戶(hù)滿(mǎn)意度。在處理敏感的電商平臺(tái)用戶(hù)數(shù)據(jù)時(shí)，需要特別關(guān)注網(wǎng)絡(luò)信息安全問(wèn)題。在數(shù)據(jù)預(yù)處理過(guò)程中，應(yīng)當(dāng)采取措施保證用戶(hù)數(shù)據(jù)的機(jī)密性、完整性和可用性。本任務(wù)的目標(biāo)是對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理與探索，包括數(shù)據(jù)的啞變量處理和屬性構(gòu)造。任務(wù)要求探索電商平臺(tái)運(yùn)輸行為數(shù)據(jù)。對(duì)性別變量進(jìn)行啞變量處理。構(gòu)造總成本的特征。啞變量處理離散化處理屬性構(gòu)造啞變量處理什么是啞變量處理?在某些分類(lèi)問(wèn)題中，原始數(shù)據(jù)可能包含一些分類(lèi)變量（也稱(chēng)為離散變量），如性別、顏色等。男女無(wú)法識(shí)別啞變量處理啞變量處理：即將每個(gè)分類(lèi)變量拆分成多個(gè)二元變量。拆分后性別變量變?yōu)椤澳小薄芭眱煞N形式，其中1表示肯定，0表示否定。用戶(hù)ID性別1男2女3男4男5女6女7男8女9男10男性別_男性別_女10011010010110011010啞變量處理01如何實(shí)現(xiàn)啞變量處理？

在Python中，使用pandas庫(kù)的get_dummies函數(shù)可以對(duì)類(lèi)別型數(shù)據(jù)進(jìn)行啞變量處理，其基本使用格式如下。啞變量處理pd.get_dummies(data,prefix=None,prefix_sep='_',dummy_na=False,columns=None,sparse=False,drop_first=False)啞變量處理get_dummies函數(shù)常用參數(shù)及其說(shuō)明參數(shù)名稱(chēng)說(shuō)明data接收DataFrame。表示輸入數(shù)據(jù)集，無(wú)默認(rèn)值prefix接收字符串。表示虛擬變量的名稱(chēng)前綴，默認(rèn)為Noneprefix_sep接收字符串。表示虛擬變量的名稱(chēng)前綴與原始列名之間的分隔符，默認(rèn)為'_'dummy_na接收字符串或列表。表示是否添加一列表示缺失值，默認(rèn)為Falsecolumns接收字符串或列表。要進(jìn)行獨(dú)熱編碼的列名，默認(rèn)為Nonesparse接收bool。表示是否使用稀疏矩陣表示虛擬變量，默認(rèn)為Falsedrop_first接收bool。表示是否刪除每個(gè)虛擬變量的第一列，默認(rèn)為False雙十一是中國(guó)的網(wǎng)購(gòu)狂歡節(jié)。一家電商品牌公司統(tǒng)計(jì)了其旗艦店老客戶(hù)在雙十一期間的是否購(gòu)買(mǎi)某美妝產(chǎn)品的消費(fèi)者信息數(shù)據(jù)。啞變量處理例題用戶(hù)ID年齡/歲地區(qū)歷史消費(fèi)金額/元是否購(gòu)買(mǎi)128北京12001232上海8000325廣州5000440上海32001535深圳15001627廣州6000730北京9001826北京7000938北京240011029上海10000例題分析對(duì)地區(qū)變量進(jìn)行啞變量處理主要通過(guò)以下4個(gè)步驟實(shí)現(xiàn)