均值編碼特徵欄位篩選 - Cupoy

2019/05/13 11:10 上午

機器學習共學討論版

Angus Tu

觀看數：12

回答數：1

收藏數：0

ml100-2

ml100-2-d23

請問於下列程式碼中的line8 若只移除'Survived' 欄位，則預測的分數會是: 1.0; 這好像不太正確。

若依照範例解答中，須多移除 'Name_mean', 'Ticket_mean'兩欄位，則預測分數會是: 0.835; 不太懂為何要多刪除原本的特徵欄位?

可否幫忙說明，謝謝。

Day23 -作業二:

# 均值編碼 + 邏輯斯迴歸

data = pd.concat([df[:train_num], train_Y], axis=1)

for c in df.columns:

    mean_df = data.groupby([c])['Survived'].mean().reset_index()

    mean_df.columns = [c, f'{c}_mean']

    data = pd.merge(data, mean_df, on=c, how='left')

    data = data.drop([c] , axis=1)

data = data.drop(['Survived', 'Name_mean', 'Ticket_mean'] , axis=1)

estimator = LogisticRegression()

start = time.time()

print(f'shape : {train_X.shape}')

print(f'score : {cross_val_score(estimator, data, train_Y, cv=5).mean()}')

print(f'time : {time.time() - start} sec')