在构建练习集时，Zipline 将会找出练习集所须要的特点，主动的按照 key 将特点组合在一路并填充数据。在构造房源 LTV 模型时，我们应用了一些 Zipline 中已经存在的特点，还本身写了一些特点。模型总共应用了 150 多个特点，个中包含：

• 地位：国度、市场、社区以及其它地舆特点
• 价格：住宿费、干净费、与类似房源的价格差别
• 可用性：可住宿的总天数，以及房主手动封闭夜间预订的┞芳比百分数
• 是否可预订：预订数量及以前 X 天内涵夜间订房的数量
• 质量：评价得分、评价数量、便利举措措施 

别的，数据科学家须要本身写特定的 fit 与 transform 函数。fit 函数指定若何进行练习，而 transform 函数将被 Python UDF 封装，进行分布式计算(如不雅有须要)。

实例数据集

LTV 模型的机械进修工作流

在定义好特点以及输出变量之后，就可以根据我们的汗青数据来练习模型了。

原型设计与练习

应用对象：Python 机械进修库 — scikit-learn

以前面的练习集为例，我们在做练习前先要对数据进行一些预处理：

• 数据插补：我们须要检查是否稀有据缺掉，以及它是否为随机出现的缺掉。如不雅不是随机现象，我们须要弄清跋扈其根来源基本因;如不雅是随机缺掉，我们须要填充空白数据。
• 对分类进行编码：平日来说我们不克不及在模型里直接应用原始的分类，因为模型并不克不及去拟合字符串。当分类数量比较少时，我们可以推敲应用>
• transforms = [] 
•  
• transforms.append( 
•     ('select_binary', ColumnSelector(features=binary)) 
• ) 
•  
• transforms.append( 
•     ('numeric', ExtendedPipeline([ 
•         ('select', ColumnSelector(features=numeric)), 
•         ('impute', Imputer(missing_values='NaN', strategy='mean', axis=0)), 
•     ])) 
• ) 
•  
• for field in categorical: 
•     transforms.append( 
•         (field, ExtendedPipeline([ 
•             ('select', ColumnSelector(features=[field])), 
•             ('encode', OrdinalEncoder(min_support=10)) 
•             ]) 
•         ) 
•     ) 
•  
• features = FeatureUnion(transforms)  

在高层设计时，我们应用 pipeline 来根据特点类型(如二进制特点、分类特点、数值特点等)来指定不合特点中数据的转换方法。最后应用 FeatureUnion 简单将特点列组合起来，形成最终的练习集。

 2/4   首页 上一页 1 2 3 4 下一页 尾页



　　推荐阅读

　　区块链平台的新的威胁

据火币区块链研究中间编译，以前几年来，人们一向在谈论数字资产和区块链。区块链的立异正在赓续进行改进，平>>>详细阅读




本文标题：在Airbnb使用机器学习预测房源的价格

地址：http://www.17bianji.com/lsqh/37197.html

 1/2    1