bigdata - 通过高维标称属性预测数值属性

Question

我在挖掘有关物流运输的大型(100K 条目)数据集时遇到困难。我有大约 10 个名义字符串属性(即城市/地区/国家名称、客户/船舶识别码等)。除此之外，我还有一个日期属性“出发”和一个比例缩放数字属性“目标”。

我想做的是使用训练集找出哪些属性与“目标”有很强的相关性，然后通过预测测试集中条目的“目标”值来验证这些模式。

我认为聚类、分类和神经网络可能对解决这个问题有用，所以我使用了RapidMiner、Knime 和 elki 并尝试将他们的一些工具应用于我的数据。然而，这些工具大多数只处理数字数据，所以我没有得到有用的结果。

是否可以将我的名义属性转换为数字属性？或者我是否需要找到可以实际处理标称数据的不同算法？

Answer 1

您很可能想使用基于树的算法。这些都是很好用的标称特征。请注意，您不想使用“类似 id”的属性。

我会推荐 RapidMiner 的 AutoModel 功能作为开始。 GBT 和 RandomForest 应该可以很好地工作。

最好，马丁