如何解决理解计数数据结构 - sklearn Python
我有一组看起来像这样的数据：
Feature X1 Feature X2 Feature X3 Output Y=0 Output Y=1
A 27.5 0.0125 500 0
B 67.5 0.175 4000 30
A 32.5 0.325 1000 120
C 42.5 0.175 600 20
...
（即对于特征 X1、X2 和 X3 的每个组合，我得到了输出 Y = 0 和 Y = 1 的计数）
我想在数据集上使用 sklearn 构建逻辑回归或随机森林模型来预测输出 Y。
解决此问题的一种方法是将每个计数扩展为数组中的一行并将其输入到要使用的任何模型中，但数据的大小（计数总数）非常大（大约 1e10），因此需要大量的计算能力来处理。
有没有办法让 sklearn 模型理解这样的数据结构，而无需将海量数组作为输入？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
