テキストや数値データ

Question

のミックスでScikit-学び、私は次の形式のCSVとして私に利用できる自分のデータを、持っている（これはサンプルライン、数1万の一つである）

FEIPDDVPLPAGWEMAKTSSGQRYFLNHIDQTTTWQDPRKGPPPY,0,0,13,0,0,4,12,16 

各テキスト文字列は、この種の文字列に似ています。数値の場合と同じです。

私は、テキストとの相関に基づいて数値を予測する方法を探しています。

scikit-learnでこれを行う方法はありますか？

Answer 1

あなたの最善の策は、文字列にいくつかの集計関数を生成し、それらを残りの値を予測する機能として使用することです。単純な集計関数の例は、各文字の出現数、長さ、最初の文字、最後の文字、最も一般的な文字、おそらく各文字のペア間の遷移の数などである。

これは、特定の地域の背景知識を持つ。