开始使用免费开始使用

分组数据上的特征工程

现在，您将在上一个练习的基础上，加入一个额外的特征：每台源计算机所使用的唯一协议数量。请注意，对于分组数据，始终可以用这种方式构造特征：以所有分类列的唯一元素数量、以及所有数值列的均值作为起点。与之前一样，flows 已预加载，cross_val_score() 用于衡量准确率，提供了 AdaBoostClassifier()，以及作为 pd 的 pandas 和作为 np 的 numpy。

本练习是课程的一部分

用 Python 设计机器学习工作流

查看课程

练习说明

  • 在给定的分组迭代器上应用 lambda 函数，计算每台源计算机使用的唯一协议数量。您可以使用 set() 将 protocol 列压缩为唯一值的集合。
  • 通过提供索引并将列命名为 protocol，把结果转换为形状正确的数据框。
  • 将新的数据框与已有的数据框 X 按列拼接。
  • 使用 cross_val_score() 评估 AdaBoostClassifier() 在该新数据集上的准确率。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create a feature counting unique protocols per source
protocols = flows.groupby('source_computer').apply(
  lambda df: ____)

# Convert this feature into a dataframe, naming the column
protocols_DF = pd.DataFrame(
  protocols, index=____, columns=____)

# Now concatenate this feature with the previous dataset, X
X_more = pd.concat([X, ____], axis=____)

# Refit the classifier and report its accuracy
print(____(____(
  AdaBoostClassifier(), ____, y)))
编辑并运行代码