如何在机器学习模型中使用转换为整数的 IP 地址

Question

我有一个将IP地址转换为整数值的函数：

def convertIpToInt(ip):
    return sum([int(ipField) << 8*index for index, ipField in enumerate(reversed(ip.split('.')))])

convertIpToInt('149.170.10.1') -> 2510948865

它工作正常并给出一个整数值，但如何在分类模型中使用这些值？ 我应该缩放这些值，还是有什么其他选项可以处理此类数据？

Answer 1

您必须将 IP 转换为机器学习算法的标识符，为此您可以使用标签编码器。这会将您的 IP 转换为数字。

from sklearn import preprocessing le = preprocessing.LabelEncoder() le.fit(["ip1", "ip2", "ip3", "ip4"]) le.transform(["ip1", "ip2", "ip1"])

链接：https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html

如果您认为这可以增加某些 IP（功能）的权重，那么您可以使用 One Hot 编码。

链接：https://machinelearningmastery.com/why-one-hot-encode-data-in-machine-learning/