《数据挖掘与机器学习》 课件 项目四 电商平台运输行为预测——逻辑回归.pptxVIP

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

处理电商平台用户行为数据

电商平台用户购买预测——逻辑回归

任务描述处理电商平台用户行为数据

某电商平台需要对该平台的运输行为进行分析，并预测运输行为是否会按时到达。

本任务需要对这些数据进行处理和分析，以帮助该电商平台更好地了解运输行为，并优

化运输策略，提高客户满意度。

在处理敏感的电商平台用户数据时，需要特别关注网络信息安全问题。在数据预处理过

程中，应当采取措施保证用户数据的机密性、完整性和可用性。

本任务的目标是对原始数据进行数据预处理与探索，包括数据的哑变量处理和属性构造。

任务要求处理电商平台用户行为数据

探索电商平台运输行为数据。

对性别变量进行哑变量处理。

构造总成本的特征。

Part1相关知识

·哑变量处理

·离散化处理

·属性构造

哑变量处理处理电商平台用户行为数据

什么是哑变量处理?

在某些分类问题中，原始数据可能包含一些分类变量(也称为离散变

量),如性别、颜色等。

哑变量处理处理电商平台用户行为数据

哑变量处理：即将每个分类变量拆分成多个二元变量。拆分后性别变量变为

“男”“女”两种形式，其中1表示肯定，0表示否定。

用户ID性别性别_男性别_女

1男10

2女01

3男10

4男10

5女01

6女01

7男10

8女01

9男10

10男10

哑变量处理处理电商平台用户行为数据

0

1

哑变量处理处理电商平台用户行为数据

如何实现哑变量处理?

在Python中，使用pandas库的get_dummies函数可以对类别型数据进行哑变量处

理，其基本使用格式如下。

pd.get_dummies(data,prefix=None,prefix_sep=_,dummy_na=False,columns=None,

sparse=False,drop_fir