决策树状态栏&相关数值栏
Decision Tree status column & related numerical value column
我有一个包含两列的数据，其中一列明确显示特征的状态，另一列以数字形式显示相关值。如下所示：
我想 运行 通过 scikit 在此数据上学习决策树算法。我不确定如何处理这两列，因为从概念上讲我无法弄清楚如何将这些非常相关的特征结合起来。基本上，我们不应该留下空数据，但是，这个数据本质上应该在数字列中为空。如果我们把它设为“0”，它就有了另外的含义。
那么，我应该如何预处理这些数据才能使决策树算法正常工作？
我的前辈给出了如下合理的答案。
首先，用“0”填充空单元格。
如果将数据插入具有这两个特征的决策树算法中，我们有两种情况：
如果 "Status" 在前：
树会将 0 和 1 分成两个分支。在 0 下，所有 Amount 值都已经为 0，因此不会选择此功能。 1以下，不会有任何0状态。
如果"Amount"排在第一位：所有状态为0的将只在一个分支下，它们将与数量非常少的那些聚集在一起。
因此，如果金额数据嘈杂，保留状态列可能会有所帮助。否则，我会删除状态列。
我有一个包含两列的数据，其中一列明确显示特征的状态，另一列以数字形式显示相关值。如下所示：
我想 运行 通过 scikit 在此数据上学习决策树算法。我不确定如何处理这两列，因为从概念上讲我无法弄清楚如何将这些非常相关的特征结合起来。基本上，我们不应该留下空数据，但是，这个数据本质上应该在数字列中为空。如果我们把它设为“0”，它就有了另外的含义。
那么，我应该如何预处理这些数据才能使决策树算法正常工作？
我的前辈给出了如下合理的答案。
首先，用“0”填充空单元格。 如果将数据插入具有这两个特征的决策树算法中，我们有两种情况：
如果 "Status" 在前： 树会将 0 和 1 分成两个分支。在 0 下，所有 Amount 值都已经为 0，因此不会选择此功能。 1以下，不会有任何0状态。
如果"Amount"排在第一位：所有状态为0的将只在一个分支下，它们将与数量非常少的那些聚集在一起。
因此，如果金额数据嘈杂，保留状态列可能会有所帮助。否则，我会删除状态列。