给出了可变长度特征的列表：
features = [ ['f1', 'f2', 'f3'], ['f2', 'f4', 'f5', 'f6'], ['f1', 'f2'] ]
每个样本具有不同数量的功能，并且该功能dtype已经str并且很热门。
dtype
str
为了使用sklearn的特征选择实用程序，我必须将转换features为2D数组，如下所示：
features
f1 f2 f3 f4 f5 f6 s1 1 1 1 0 0 0 s2 0 1 0 1 1 1 s3 1 1 0 0 0 0
如何通过sklearn或numpy实现它？
您可以使用scikit中存在的MultiLabelBinarizer专门用于执行此操作。
您的示例代码：
features = [ ['f1', 'f2', 'f3'], ['f2', 'f4', 'f5', 'f6'], ['f1', 'f2'] ] from sklearn.preprocessing import MultiLabelBinarizer mlb = MultiLabelBinarizer() new_features = mlb.fit_transform(features)
输出：
array([[1, 1, 1, 0, 0, 0], [0, 1, 0, 1, 1, 1], [1, 1, 0, 0, 0, 0]])
它也可以与其他feature_selection实用程序一起在管道中使用。
