У меня есть список словарей, которые содержат функции и классификационную метку. Я читал из CSV. Как я могу разбить его на массив numpy, как требуется scikit для задачи классификации.
код до сих поризменить список словарей на вектор и цель в scikit
from sklearn.feature_extraction import DictVectorizer
rowdicts =[{'feature1': 4, 'feature2':2,'target':"yes","feature3":0},{'feature1': 3, 'feature2': 2,'target':"no","feature3":1}]
vec1 = DictVectorizer(sparse=False)
X = vec1.fit_transform(rowdicts)
Что может быть хорошим способом, чтобы удалить целевые метки из приведенного выше векторизатора для задачи классификации?
здесь моя цель - это метка классификации, которая принимает значения как «да» или «нет», но здесь она показана как два d ifferent. – AMisra
Изменен мой ответ, чтобы сохранить столбец с метками «да» –
Я все еще смущен, почему он показывает цель как две разные функции с разными значениями. Почему цель не показана как одна отдельная функция, такая как feature1, feature2, feature3. – AMisra