如何使用csv格式的字符串数据进行输入修改

Question

我想创建一个数据集来训练模型，但是我的数据集包含分类数据，需要在训练之前正确格式化。如何实现这一点？
基本上，我需要用一个系统来预测以下药物：

我已经排了4000行了，但没有症状

[symptom1 symptom2 symptom3 age weight medicine1]

其中，后两个是可以预测的

我尝试过实现多种方法，包括onehotencoder，但都没有成功

Answer 1

通常，您会将每个字符串转换为一个数字，并将一个数字数组作为输入。例如，您可以将每个Syntoms和medicine映射为n整数

data = ['symptom1', 'symptom2', 'symptom3', 22, 74, 'medicine1']

mapping = {
    'symptom1':111,
    'symptom2':222,
    'symptom3':333,
    'medicine1':444
}

input_vector = np.array([mapping[x] if type(x) is str else x for x in data])

input_vector现在是array([111, 222, 333, 22, 74, 444])，你已经准备好把它输入你的神经网络了

您可以使用各种方法自动生成mappingdict。 这里有一个：

data = ['symptom1', 'symptom2', 'symptom3', 22, 74, 'medicine1']
#data should be the set() of all your possible string inputs
#you should be able to generate a database just by parsing the input files

mapping = {}

n = 1
for word in data:
    for word in data:
        if type(word) is str:
            if word not in mapping:
                mapping[word] = 111*n
                n += 1

print(mapping)

{'symptom1': 111, 'symptom2': 222, 'symptom3': 333, 'medicine1': 444}