python - 如何将json数据定义为X和Y sklearn决策树数组

Question

假设我的数据由水果组成，通过其颜色和形状以及具有任意值的更多特征(纹理大小果皮类型等)来描述。

我想使用 sklearn.tree 将我的数据拟合到决策树中

如何在 sklearn.tree 中构建决策树。 X 定义的样本和特征数组是什么，Y 是什么？对于数据库，我使用 mongodb，因此数据集采用 json 格式:

{"_id":2323, "shape":"round", "color":[red,green], "texture":"A", "pill":"X", "more":[1,2,3]}

{"_id":2324, "shape":"round", "color":[orange], "texture":"C", "pill":"", "more":[1 ,2]}

是否有教程可以将数据拟合/转换为在 sklearn.tree 中构建决策树所需的 python 数据类型？

谢谢!

Answer 1

看看 documentation on feature extraction .

编辑:我刚刚注意到您的 json 构造中有嵌套结构。 DictVectorizer 和 FeatureHasher 类都期望平面字典作为输入。您可以展平自己的构造，例如:

{"_id": 2323, "shape": "round", "color/red": 1 "color/green": 1, "texture": "A",
 "pill": "X", "more/1": 1, "more/2": 1, "more/3": 1}

然后在此类平面 Python 字典列表上调用 DictVectorizer 或 FeatureHasher。