Machine learning 如何处理变长特征向量？

假设您试图根据某些特征对房屋进行分类：

• 总面积
• 房间数
• 车库区

---

但并非所有的房子都有车库。但当它们这样做时，它们的总面积就形成了一个非常有辨别力的特征。利用此功能中包含的信息的好方法是什么？

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面积的叉积（对于没有车库的房屋，将面积设置为零）.

最好的方法是使用所有功能构建数据集，在大多数情况下，可以将不可用的列填充为零

以您的示例为例，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，可以使用这些零对条目进行正确分类。毕竟，没有价值，它仍然是算法的信息。如果数据有偏差，这可能会成为一个问题，但在这种情况下，无论如何都需要解决偏差问题

编辑：

我刚刚意识到还有另一个答案是，你害怕使用零，因为这可能会与小型车库混淆。虽然我仍然不认为这有什么问题（小车库和零之间应该有足够的区别），但您仍然可以使用相同的结构，用负数（比如-1）标记不存在的区域车库

---

在另一个答案中指出的解决方案也是完全合理的，有一个额外的功能指示房子是否有车库将工作良好（特别是在基于决策树的算法中）。我只是希望数据的维度尽可能低，但最终这更像是一个偏好，而不是一个技术决定

您将需要合并零指示器功能。也就是说，当车库大小为0时，特征值为1，对于任何其他值，特征值为0

然后，您的特征向量将是： 面积|数量|房间|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一（非线性）特征

如果将车库面积设置为零，我看不出虚拟变量会有什么变化。将不存在的车库区域设置为0时，我看到的问题是，它们将被视为类似于非常小的车库，这是不准确的。@ty4:这就是假人出现的地方。例如，如果你要拟合一个线性模型，多亏了这个假人，你会得到一个不同的截距，用于有车库和没有车库的房子。再想一想，你甚至不需要交叉积。