Clustering Scikit - Business-Daten in maschinelle Lerndaten umwandeln

Question

Ich bin neu in der Welt der Datenwissenschaft und versuche, die Konzepte auf die Ergebnisse der ML zu verstehen. Ich habe begonnen, scikit - Clustering Beispiel zu verwenden. Die Verwendung der Scikit-Bibliothek ist überall gut dokumentiert. Aber alle Beispiele gehen von der Annahme bereitgestellter numerischer Daten aus.

Wie konvertiert ein Datenwissenschaftler nun Geschäftsdaten in maschinelle Lerndaten? Nur um ein Beispiel zu geben, ist hier eine Kunden- und Vertriebsdaten I vorbereitet haben ..

Das erste Bild, um die Kundendaten mit einigen Parametern eine ganze Zahl, String und Boolesche Werte zeigt

Das zweite Bild zeigt die historischen Verkaufsdaten für diese Kunden.

Wie werden nun solche realen Geschäftsdaten übersetzt, um sie einem Machine Learning-Algorithmus zuzuführen? Wie konvertiere ich alle Daten in einen gemeinsamen Faktor, den der Algorithmus verstehen kann?

Dank K

Answer 1

Technicaly, gibt es viele Möglichkeiten, wie One-Hot-Codierung, Standardisierung und für schiefe Attribute in logspace gehen.

Aber das Problem ist nicht nur von einer technischen Natur.

Finding einen Weg ist nicht genug, aber Sie brauchen zu finden, die wirklich gut für Ihr Problem funktioniert. Dies ist normalerweise sehr unterschiedlich von Problem zu Problem. Es gibt keine "schlüsselfertige Lösung".

Answer 2

Nur Ergänzung zu kommentieren von @ Anony-Mousse, können Sie Won/Lost Spalte in Wert 1, 0 konvertieren (z. B. 1 für Won, 0 für Lost). Wenn Sie für die Spalte Y 3 eindeutige Werte in der Spalte haben, können Sie A in [1, 0, 0] und B in [0, 1, 0] und C in [0, 0, 1] umwandeln (sogenannte One-Hot-Codierung). Gleiches auf Z Spalte, können Sie TRUE Spalte zu 1 und FALSE zu (oder True oder False jeweils) konvertieren.

Um 2 Tabellen- oder Excel-Dateien zusammenzuführen, können Sie die zusätzliche Bibliothek pandas verwenden, mit der Sie zwei Datenrahmen zusammenführen können, z. df1.merge(df2, on='CustID', how='left'). Jetzt können Sie Ihr Feature-Set auf scikit lernen.