如何根据用户输入（只有一条记录）创建用于预测的虚拟变量？

Question

我正在尝试创建一个用于预测航空公司延误的 Web 应用程序。我已经在我的电脑上离线训练了我的模型，现在我正在尝试制作一个 Flask 应用程序来根据用户输入进行预测。为简单起见，假设我的模型有 3 个分类变量：UNIQUE_CARRIER、ORIGIN 和 DESTINATION。在训练时，我使用 pandas:

创建了所有 3 个虚拟变量

df = pd.concat([df, pd.get_dummies(df['UNIQUE_CARRIER'], drop_first=True, prefix="UNIQUE_CARRIER")], axis=1)
df = pd.concat([df, pd.get_dummies(df['ORIGIN'], drop_first=True, prefix="ORIGIN")], axis=1)
df = pd.concat([df, pd.get_dummies(df['DEST'], drop_first=True, prefix="DEST")], axis=1)
df.drop(['UNIQUE_CARRIER', 'ORIGIN', 'DEST'], axis=1, inplace=True)

所以现在我的特征向量是 297 长（假设我的数据中有 100 个不同的独特承运人和 100 个不同的机场）。我使用 pickle 保存了我的模型，现在正尝试根据用户输入进行预测。现在用户输入的形式是 3 个变量（起点、终点、承运人）。

显然我不能为每个用户输入使用 pd.get_dummies（因为所有三个字段只有 1 个唯一值）。将用户输入转换为我的模型的特征向量的最有效方法是什么？

Answer 1

由于您使用的是 pandas 虚拟变量，因此是密集向量，因此创建新向量的一个好方法是创建一个 terms:vector_index 的字典，然后根据它填充一个零向量，大致如下：

index_dict = dict(zip(df.columns,range(df.shape[1])))

现在当您有新航班时：

new_vector = np.zeroes(297)
try:
    new_vector[index_dict[origin]] = 1
except:
    pass
try:
    new_vector[index_dict[destination]] = 1
except:
    pass
try:
    new_vector[index_dict[carrier]] = 1
except:
    pass

如何根据用户输入（只有一条记录）创建用于预测的虚拟变量？

How to do create dummy variables for prediction from user input (only one record)?

python

machine-learning

pandas

dummy-variable