以数值方式表示梯度下降中的线性回归特征

Question

以下 Python 代码可以很好地找到梯度下降：

def gradientDescent(x, y, theta, alpha, m, numIterations):
    xTrans = x.transpose()
    for i in range(0, numIterations):
        hypothesis = np.dot(x, theta)
        loss = hypothesis - y 
        cost = np.sum(loss ** 2) / (2 * m)
        print("Iteration %d | Cost: %f" % (i, cost))
        gradient = np.dot(xTrans, loss) / m 
        theta = theta - alpha * gradient
    return theta

这里，x = m*n（m = 样本数据数量，n = 总特征）特征矩阵。

但是，如果我的特征是“2”电影的非数字特征（例如导演和类型），那么我的特征矩阵可能如下所示：

['Peter Jackson', 'Action'
 Sergio Leone', 'Comedy']

在这种情况下，如何将这些特征映射到数值并应用梯度下降？

Answer 1

您可以将您的特征映射到您选择的数值，然后以通常的方式应用梯度下降。

在 python 中，你可以使用 panda 轻松做到这一点：

import pandas as pd
df = pd.DataFrame(X, ['director', 'genre'])
df.director = df.director.map({'Peter Jackson': 0, 'Sergio Leone': 1})
df.genre = df.genre.map({'Action': 0, 'Comedy': 1})

如您所见，这种方式可能会变得相当复杂，最好编写一段代码来动态完成。