Python 结合NLP（文本）和数字数据构建模型

我有一个具有以下特性的数据集

data = {
description:'the tea was amazing, had great taste.'
country:'Chile'
year: 1980
designation:'random'
points: 80
}

我正在寻找一种方法来使用这些功能来建立一个模型来预测点

描述似乎包含了很多关于点的信息

---

如何将这些数据输入模型以及哪个模型？

由于文本数据不能直接提供给模型，我建议您使用嵌入将描述转换为嵌入。如果数据集中有唯一的名称值，则可以对名称进行热编码。对于国家/地区，您还可以对其进行热编码，或者也可以使用基于字符的嵌入来生成基于单词的嵌入。年份和积分不需要预处理。根据你的问题，我可以假设你的问题是一个回归问题。您可以尝试使用Sklearn的梯度增强回归器、随机森林回归器或任何其他回归器来获取值

def loadGloveModel（gloveFile）：
打印（“加载手套模型”）
f=打开（gloveFile，'r'）
模型={}
对于f中的行：
splitLine=line.split（）
字=分割线[0]
嵌入=np.array（[float（val）表示分割线[1:]]中的val）
模型[字]=嵌入
打印（“完成”，len（型号），“已加载单词！”）
回归模型

您可以将其用作（此文件可从手套网站下载。）

model=loadGloveModel（“glove.6B.300d.txt”）

def averagewEmbeddings（行）：
line=str（line）
平均值=型号['x']
长度=0
行=行分割（“”）
对于行中的单词：
#对于word中的字母表：
长度=长度+1
尝试：
嵌入=模型[单词]
平均=平均+嵌入
除：
平均值=平均值
返回（（平均型号['x']）/长度）

嵌入=[]
对于索引，枚举中的sen（data.description）：
嵌入。追加（平均嵌入（sen））

---

嵌入将包含所有数据集的嵌入，您可以稍后将它们附加到数据框并删除描述列

您到底在问什么？您选择哪种机器学习模型作为解决方案？你是如何提供数据的？这似乎有点太宽泛了SO@shahaf我在问选择哪种型号，以及如何输入数据。谢谢！但除了嵌入，还有其他选择吗？嵌入需要很长时间才能运行如果描述中的文本是唯一的，您可以对它们进行热编码，但如果它们不是唯一的，则很可能它们不会是唯一的，并且可以更改，除了嵌入之外，没有其他解决方案。