在ML模型

Question

我想运行的一些数据的机器学习算法使用的功能列表，所以我第一个导出数据到一个文件中。

但我对我正在分类的文本的一个特征是标签列表， ，每个文本可以包含多个标签。 （[“神秘”，“惊悚片”]）。

是它建议时，我写信给我的CSV文件导出数据，我写的整个列表作为我的数据的特点之一（“标签”功能）。 还是为每个标签制作一个单独的功能更好。唯一的问题是大多数例子只有一个标签，所以这些标签的其他特征列将是空白的。

所以好像写的标签这个列表作为一个特征是很有道理的，但后来解析它用于训练的时候，我会再处理该列表中的每个元素作为它自己的特点仍然还是没有？

Answer 1

如果您将其作为单个功能执行，请确保使用一些分隔符来分隔不会出现在任何标签中的标签，也不是逗号（因为这会混淆csv格式），类似于|可能会很好。当你去建立模型并阅读标签列表时，你可以根据分隔符来分割它。在Java中，这看起来像：

String[] tagList = inputString.split("|"); 

我相信大多数语言都会有类似的方法来做到这一点。