基于更多数据帧的预测

数据挖掘 Python scikit-学习 熊猫
2022-02-15 12:49:32

我试图预测用户给餐厅的分数。

我拥有的数据可以分为两个数据框

  • 关于用户的数据（品味、个人特征、家庭……）
  • 有关餐厅的数据（营业时间、位置、美食……）。

第一个主要问题是：我该如何处理？

我已经尝试使用用户数据框进行基本预测（使用 RandomForest 预测一列，其他列很少），这非常简单。这些数据框在逻辑上是不同的，我无法将它们合并为一个。

做这样的预测时最好的方法是什么？此类任务最常用的方法是什么？

我的第二个问题是处理分类数据（cuisine fe）的最佳方法是什么？

我知道我可以创建一个映射函数并将每个值转换为索引，或者我可以使用 pandas 中的分类（可能还有其他几种方法）。有没有首选的方法来做到这一点？

1个回答

第一个问题——预测用户分数：
解决这个问题的一种方法是使用协同过滤。
基本思想是将每个实体类型（用户、餐馆）“放置”在向量空间中，其中可以使用距离函数。
通过这种方式，您可以了解到，如果 user1 与 user2 相似（短距离）并且 restaurant1 与 restaurant2 相似，那么两个用户很可能会给两家餐厅相似的分数。使用协同过滤的一种流行算法是“矩阵分解” - 矩阵分解示例在文章的底部。

第二个问题 - 处理分类变量：
使用one-hot-encoding处理分类数据是一种常见的方法。
我个人喜欢使用pandas.get_dummies函数。

其它你可能感兴趣的问题
上一篇在 Weka 中设置属性权重 下一篇在 PCA 上应用 KMeans 和在 KMeans 上应用 PCA 之间的区别