将数字特征转换为分类特征

Question

我正在研究根据历史数据预测未来电子商店销售额的问题。我使用的功能之一是 商品价格（浮动）。我通过实验发现，将此添加到现有功能列表会降低我的 xgboost 模型的拟合和验证准确性（增加预测 RMSE）。我怀疑价格的影响可能是高度非线性的，记忆棒、笔记本电脑、手机等的价格达到峰值

无论如何，我有以下想法来解决这个问题：如果我将浮点数 item price 转换为具有指定映射能力的分类变量，例如，数值范围或十分位数？然后，我可以使用训练目标值 mean-encode 该分类变量 item price.

这有意义吗？你能给我一个指向 Python "linear/decile histogrammer" 的指针吗 returns，对于浮点数列表，return 一个平行列表，其中 bin/decile 每个浮点数属于？

Answer 1

恕我直言，您可以使用 qcut, KBinsDiscretizer or cut。

一些例子，

>>> df = pd.DataFrame(np.random.randn(10), columns=['a'])
>>> df
          a
0  0.060278
1 -0.618677
2 -0.472467
3  1.539958
4 -0.181974
5  1.563588
6 -1.693140
7  1.868881
8  1.072179
9  0.575978

对于qcut,

>>> df['cluster'] = pd.qcut(df.a, 5, labels=range(1, 6))
>>> df
          a cluster
0  0.060278       3
1 -0.618677       1
2 -0.472467       2
3  1.539958       4
4 -0.181974       2
5  1.563588       5
6 -1.693140       1
7  1.868881       5
8  1.072179       4
9  0.575978       3

对于KBinsDiscretizer,

>>> (df['cluster'] = 
     KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='quantile')
     .fit_transform(df.a.values.reshape(-1, 1)))
>>> df
          a  cluster
0  0.060278      1.0
1 -0.618677      0.0
2 -0.472467      0.0
3  1.539958      2.0
4 -0.181974      1.0
5  1.563588      2.0
6 -1.693140      0.0
7  1.868881      2.0
8  1.072179      2.0
9  0.575978      1.0

对于cut,

>>> df['cluster'] = pd.cut(df.a, 5, labels=range(1, 6))
>>> df
          a cluster
0  0.060278       3
1 -0.618677       2
2 -0.472467       2
3  1.539958       5
4 -0.181974       3
5  1.563588       5
6 -1.693140       1
7  1.868881       5
8  1.072179       4
9  0.575978       4

最后，看看可能有用：

将数字特征转换为分类特征

Converting numeric feature into categorical feature

python

numpy

histogram

python-3.x

pandas