Machine learning 处理非十进制变量的最佳实践。[ACM KDD 2009杯]

为了实践，我决定使用神经网络来解决由所述的分类问题（2类）。我发现的问题是，数据集包含很多“空”变量，我不知道如何处理它们。此外，出现了第二个问题。如何处理字符串等其他非小数。您的最佳实践是什么？

大多数方法都需要数字特征，因此必须将分类特征转换为计数。例如，如果实例的属性中存在某个字符串，则其计数为1，否则为0。如果它发生不止一次，它的计数会相应增加。从这个角度来看，任何不存在的功能（或您所说的“空”）的计数都为0。请注意，属性名称必须是唯一的。

大多数方法都需要数字特征，因此必须将分类特征转换为计数。例如，如果实例的属性中存在某个字符串，则其计数为1，否则为0。如果它发生不止一次，它的计数会相应增加。从这个角度来看，任何不存在的功能（或您所说的“空”）的计数都为0。请注意，属性名称必须是唯一的。

是的，这可能对分类特征有用，但数字特征和“空”值特征如何？这取决于特征对应的内容，但在许多情况下是“空”的值仅表示0。是的，这可能对分类特征有用，但对于数字特征和具有“空”值的特征如何？这取决于特征对应的内容，但在许多情况下，“空”值仅表示0。