テキストデータでデータセットを整理して分類するにはどうすればいいですか？

Question

多くの欠損値とより多くのカテゴリ値を持つデータセットのジェンダー分類子に取り組んでいます。カテゴリ値を数値に変換する方法より正確な精度を得るには？ https://github.com/lakshmipriya04/py-sample/

Answer 1

カテゴリ変数エンコーディングには、ダミー変数の作成とラベルエンコードによるエンコードの2種類があります。

ダミー変数の欠損値は、ダミー列の各束に対してヌルベクトルとして表示されます。ラベルエンコーディングの場合、それは特定のクラス（ラベル）であってもよい。

欠損値の問題を解決するには、平均（数値）またはモード（カテゴリ）を使用してそれらを代入できます。値がない場合は1、それ以外の場合は0を持つ追加の欠損値指示列を作成すると便利です。

転用によって、MLからの任意の分類子を使用することができる。 SVC（バイナリ分類があるため）を試し、単純なロジスティック回帰から始めましょう。

転用なしでのみ、XGBoostが役立ちます（データセットに欠損値があることが許されます）。

しかし、もう少し問題があります。テキストを前処理する必要があります。 NLPについてお読みください。