Sklearn 机器学习 数值离散化 虚拟编码

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

🤖 Sklearn 机器学习：数值离散化 + 虚拟编码实战详解

在机器学习的特征工程中，数值型特征并不总是适合直接输入模型。尤其是树模型或分类模型时，**将连续变量进行离散化（分箱）+ 虚拟编码（独热编码）**是一种常见且高效的处理方式。

本文将结合 Sklearn，从基础概念到完整代码演示，带你系统掌握这一预处理技巧 🚀

---

📊 一、数值离散化（Discretization）是什么？

数值离散化，又称为分箱（binning），是将连续数值划分为不同区间（bin）：

• 将连续变量转化为离散变量
• 对树模型等非线性模型更友好
• 降低模型对异常值的敏感性

🎯 应用场景：

场景	例子
年龄转分箱	将“年龄”分为：青少年（0-18）、青年（19-35）、中年（36-55）、老年（56+）
收入分段	低收入、中等收入、高收入

---

🧠 二、虚拟编码（One-Hot Encoding）简介

离散化后的变量为分类变量，但模型无法直接理解文字类别。因此我们需要将它们编码为 数值型的独热向量（0/1），这就是：

✅ One-Hot Encoding（独热编码）

原始类别	One-Hot 编码
青少年	[1, 0, 0, 0]
中年	[0, 0, 1, 0]

---

🔧 三、Sklearn 实战：连续数值 → 分箱 → 虚拟编码

下面我们通过一个完整示例演示如何用 Sklearn 实现：

📌 示例目标：

• 用 KBinsDiscretizer 将 age 特征离散化
• 再用 OneHotEncoder 对离散结果进行虚拟编码

---

🧪 四、代码实战：离散化 + 虚拟编码