Titanic数据集:仅用名字列就取得0.8的正确率

文章目录前言表格机器学习的4类特征text 特征组数据处理载入数据数据清洗分词删除低频词建模sklearnTF-IDFNMFTruncatedSVDgensimLDALSIRPHDP 前言 表格机器学习的4类特征 最近在思考表格机器学习,或者说对表格数据、结构化数据的有监督机器学习的工作流。 我认为在大部分场景下,大概有4类特征: categorical numerical date text text 特征组 最近在调研text特征组。如果一个表格中有一列全是文本,其实这个文本是可以包含很多信息的,可以用TFIDF提取重要度,然后用主题模型建模或者用矩阵分解的方法进行降维。TFIDF的输出是