如何用特征维数变化的数据集训练sklearn分类器？

Question

我有一个这样的数据集。你知道吗

Ingredient_A | Ingredient_B | Ingredient_C | Ingredient_D | Meal
------------------------------------------------------------------
   Bread     |   Butter     |       -      |       -      | buttered bread
   Avocado   |   Tomato     |     Garlic   |       -      | Guacamloe

我想用它来训练sklearn决策树分类器，但是我不知道如何处理我的数据集的不同特征维数。理想情况下，我希望空单元格被忽略。我想用nan的替换空单元格，但是sklearn不接受nan的。有没有办法用sklearn使用这样的数据集？你知道吗

Answer 1

您应该将数据编码为如下向量：

(Avocado, Bread, Butter, Garlic, Tomato)
(0,1,1,0,0) = 'Buttered Bread'
(1,0,0,1,1) = 'Guacamloe'

向量中的每个元素表示特定成分的存在。您可以将这种格式的数据直接输入到任何分类器中，并且不会出现隐式排序的问题。你知道吗