我想让featuretools基于我在实体集中声明的时间索引和截止时间来创建特征。 我有一个包含时间变量、数值变量和分类变量的数据集。有一个ITEMID列，每个ITEMID有2到12行数据。有像开始日期和交易日期这样的列，各种数字和分类列。
浏览 19提问于2019-04-03得票数 1
1回答
我正在使用英国的房价数据集，并希望创建一个ML模型来预测基于城市(加上其他一些类别)的房价。
作为这一切的新手，我被难住了。我可以创建具有连续变量的模型，甚至可以对其他一些有4个不同选项(例如房屋类型)的类别执行一次性编码(虚拟变量)。然而，当涉及到城市时，数据集中大约有12
浏览 1提问于2020-07-03得票数 0
2回答
为什么频率编码工作？
、、、
频率编码是Kaggle竞赛中广泛使用的一种技术，多次证明是一种非常合理的处理基数高的分类特征的方法。我真的不明白为什么会起作用。
它是在非常具体的情况下工作的频率是相关的目标，还是它更普遍？这背后的理由是什么？
浏览 0提问于2019-11-25得票数 15
2回答
我正在尝试使用LGBMClassifier，但由于某些原因，他不接受我的数据类型(所有功能都不接受，我测试了一下)。当我们查看我的数据时，我们可以清楚地看到所有的数据类型都是category、float或int (pd.DataFrame.info()) dtypes: category(275), float64(115), int64(9) 当我最终尝试训练我的LGBMClassifier时，我得到了以下错误： ValueError: Series.dtypes must be in
浏览 369提问于2020-10-13得票数 0
回答已采纳
我试图创建一个随机森林机器学习算法，对一些零售项目的性能。我用R Studio来做这个。在我的数据集中，我混合了数值变量和分类变量。月份供应商ItemName UnitsSoldTY UnitsSoldLY价格类别NumberStores
我相信，“供应商”变量将是非常重要的模型。为了将53个因素限制为一个分类变量，我想将“供应者”列分成三列。但是，我希望第一列包
浏览 1提问于2019-05-12得票数 0
2回答
对倾斜的验证数据的限制
、、、
我有一个严重倾斜的数据集，由20个类组成，其中最小的类包含1000个样本，最大的几百万个。因为我的数据集有如此大的偏差，对我的验证数据集的选择添
浏览 0提问于2017-11-03得票数 3
1回答
我希望能有任何帮助来创建一个函数，它允许我使用一组其他变量值的顺序来创建一个变量的类别。具体来说，我想要一个功能：
创建变量E1的类别variable，即变量A、B和ID的每个组合出现在数据集中的first时间。创建变量<
浏览 1提问于2019-02-02得票数 1
回答已采纳
1回答
系统使用以下字段创建归档数据表：-TIMESTAMP，记录变量值的时间，诸若此类。我所关注的数据集包含3个变量：Level、BatchTimer和BatchID。
目标:我想要实现的是Level作为Y值，BatchTimer作
浏览 0提问于2019-05-23得票数 0
回答已采纳
我有两个要在Visual Insight中创建仪表板的报告/数据集。其中一个数据集来自Teradata (直接连接到MicroStrategy)。另一个数据集来自谷歌BigQuery (通过智能立方体连接器连接到MicroStrategy )。这两个数据集的关键是类别。问题是Teradata中的类别属性是数值，即55、45、14、29、30等，而BQ数据集中</e
浏览 27提问于2019-02-19得票数 0
2回答
也许是一个相对简单的SQL问题：
我有个变数。它表示时间序列数据集中的月份计数。对于每个条目，当满足某些条件时，计数将递增1。它可以有一个从0到任何实际值的整数值，尽管它不会比大约160更高。但是，如果没有关于月数的数据，变量的值将为"X“，这就是问题所在。我试图用WHERE条件组合一个查询，该条件指定上述变量大于或等于2(或3，或6-它是任意的)。正如
浏览 2提问于2015-11-03得票数 1
回答已采纳
我有一个具有时间戳的字符串变量。例如，一个条目看起来是："4/25/2022 17:26“。我有一千多个观察结果。我需要对日期进行分类(如时间段A，时间段B.)。我想每月一个类别，所以我会有25个类别(因为我有超过2年前的数据)。我想我首先应该让字符串变量成为一个连续/数值变量，这样我就可以执行一个if...then语句，<
浏览 4提问于2022-04-26得票数 0
训练数据在Excel文件中，包含数字和文本字段/列。当我将这些数据导出到MATLAB时，它要么是表格格式，要么是单元格格式。如何将其转换为矩阵格式？
附注:使用xlsread函数不会导入文本数据。
浏览 2提问于2014-11-11得票数 0
1回答
我的数据集中的response变量和所有predictor变量都是因子。我想建立一个模型来预测响应变量。据我所知，我必须首先对我的预测变量进行编码。我需要关于如何在R中做同样的建议。我尝试构建knn和随机森林模型，但这不起作用，因为执行永远不会完成。
"rs“是响应变量，所有其他变量都是预测变量。&q
浏览 1提问于2019-10-20得票数 0
1回答
我对使用python聚类T‘值的多变量N个时间序列(不同长度)感兴趣。每个变量都有许多趋势和值，这些趋势和值同时是数值和名义值。数据集中的示例T_{i}具有以下格式：2015-02-05 11:30|<Min | On |0.00012
2015-02-07 11:3
浏览 0提问于2016-08-16得票数 6
回答已采纳
在64位Linux机器上使用R3.2.0和插入符6.0-41和randomForest 4.6-10 .当尝试在使用使用公式从predict()包中的train()函数训练的randomForest对象上使用caret方法时，该函数返回一个错误。predict.randomForest方法使用rownames(object$importance)来确定用于训练随机林object的变量的名称。train()函数时，会更改randomFo
浏览 2提问于2015-05-07得票数 11
回答已采纳
我在网上研究了一些高基数的范畴变量。许多帖子和论文只是简短地总结出“它扭曲了模型的性能”，而没有详细说明为什么和有多高的基数会影响模型的性能？( i)在某些编码方法下，如一维编码，会导致维数性的诅咒.
( ii)在</
浏览 0提问于2021-12-24得票数 1
1回答
验证数据中缺少类别
、、、
我在R中建立了一个基于训练数据集的分类模型，其中包含12个分类预测器，每个变量包含几十到数百个类别。
问题是，在我用于验证的dataset中，一些变量的类别比在培训数据中少。例如，如果我在训练数据变量v1中有三个类别-- 'a','b','c&
浏览 4提问于2016-02-16得票数 2
回答已采纳
1回答
K-均值聚类中范畴变量的最大范畴
、、、、
我试图在数据集上执行K均值聚类，我的一个分类特性有96个可能的选项。对于一个变量来说，这是否是太多的特性？另一种方法是尝试通过证据权重将其转换为一个数值变量，或者干脆放弃它。你们觉得怎么样？
浏览 0提问于2023-02-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
