假设您正在尝试根据某些特征对房屋进行分类：
- 总面积
- 房间的数量
- 车库区
但并不是所有的房子都有车库。但是当它们这样做时，它们的总面积会成为一个非常有区别的特征。利用此功能中包含的信息的好方法是什么？
问问题
3317 次
3 回答
5
您可以合并一个零/一虚拟变量，指示是否有车库，以及车库面积与虚拟变量的叉积（对于没有车库的房屋，将面积设置为零）。
于 2013-03-18T10:14:15.060 回答
1
最好的方法是使用所有功能构建数据集，并且在大多数情况下，将那些不可用的列填充为零就可以了。
使用您的示例，它将类似于：
Total area Number of rooms Garage area
100 2 0
300 2 5
125 1 1.5
通常，您选择的学习算法足够强大，可以使用这些零来正确分类该条目。毕竟，没有价值，它仍然是算法的信息。如果您的数据有偏斜，这可能会成为一个问题，但在这种情况下，您无论如何都需要解决偏斜问题。
编辑：
我只是意识到还有另一个答案是你害怕使用零，因为它可能与小车库混淆。虽然我仍然认为这没有问题（小车库和零之间应该有足够的差异），但您仍然可以使用相同的结构将不存在区域车库标记为负数（假设为 -1）。
另一个答案中指出的解决方案也完全合理，具有指示房屋是否有车库的额外功能可以正常工作（特别是在基于决策树的算法中）。我只是更喜欢将数据的维度保持在尽可能低的水平，但归根结底，这更像是一种偏好，而不是技术决定。
于 2013-03-18T13:52:50.663 回答
0
你会想要加入一个零指标功能。也就是说，当车库大小为 0 时为 1，任何其他值为 0 的特征。
您的特征向量将是：面积 | 房间数 | 车库大小 | 车库存在
然后，您的机器学习算法将能够看到车库大小的这个（非线性）特征。
于 2015-09-01T10:55:17.253 回答