在python中如何使用决策树中的分类数据

Question

我有一个数据集，我从中提取了12个特征，用于使用决策树进行共指消解。这些功能的一些示例包括：

• distance_feature（）：i和j之间的距离，取决于句子的数量。输出：0或1

  • Ispronoun_feature（）：如果名词短语是代词，则此功能设置为true。

  • appositive\u feature（）：此功能检查j是否与{}并置。

在创建了所有这些特性以从数据集中提取结果之后，我不知道如何选择根节点，也不知道如何使用sci-kit-learn决策树算法，因为数据不是结构化的，是分类的。我读过的一篇文章提到了熵和信息增益，但是这两个属性的所有例子都是基于结构化数据集的。在

Answer 1

使用一个热编码。在

df = pd.get_dummies(df, [categorical_columns_you_want_to_encode])

如果列太多，可以对列进行预处理以删除不常见的值，例如小于1%以避免列太多。在

Answer 2

如果您有不同类别的不同特性，并且不想自己花时间对它们进行编码，我建议您使用CatBoost框架，它也比标准的scikit树实现更快。在

请检查此kaggle的实现！在