我应该如何将同时包含字母和数字的单词转换成只包含数字的单词，以便KNeighbors分类器可以训练它对它们进行分类？

Question

我的训练数据包含

EMI3776438, U9BA7E, 20FXU84P, 4506067765, N8UZ00351

我使用的是K邻域分类器算法

现在，我使用的方法是将字母表转换成数字

例如，a/A将映射到10，b/B将映射到11，c/C将映射到12。转换之后，我将把这些数据发送到K-邻居分类器

例如，ABI37变成1011I37

这种方法的问题是AA和1010都将映射到1010，算法无法正确区分它们和分类

有没有一个好的方法把这些转换成数字（因为这个算法只对数字起作用），这样就可以正确地进行实际值和分类

Answer 1

为此，首先需要确定字符串比较的距离（或“度量”）。一旦你有了一个度量，那么将k-nn应用到数据将很容易，因为k-nn只需要能够问“两个数据点之间的距离是多少？”。请参阅this Wikipedia一文以了解想法

你可以按照你的建议简单地从字符转换成int，但是这忽略了一个关键点，那就是它不一定能根据k-nn的需要给出一个有意义的字符串“距离”度量来给出一些合理的东西。最佳度量的选择将取决于特定的问题细节，即您的数据实际代表什么

This issue讨论了一个类似的问题