本文介绍了一种将非数值型特征值转换为数值型数据的方法，通过使用独热编码，将类别特征值转化为维度为K的向量，其中K为变量的不同取值数。举例说明了如何计算不同类别间的距离，以及它们之间的相似度。
功能：将非数值型的特征值（类别特征值）转换为数值型的数据
描述：假设变量的取值有K个，如果对这些值用1到K编序，则可用维度为K的向量来表示一个变量的值。在这个向量中，该取值所对应的序号所在的元素为1，其它元素均为0。
形如：A B C
1 2 3
则 A:1 0 0 所以AB之间的距离为√2
B:0 1 0 AC之间的距离为√2 因此，AB和AC之间的相似度是一样的。
C:0 0 1
机器学习-类型特征转换1-of-k(哑编码)
功能：将非数值型的特征值（类别特征值）转换为数值型的数据
描述：假设变量的取值有K个，如果对这些值用1到K编序，则可用维度为K的向量来表示一个变量的值。在这个向量中，该取值所对应的序号所在的元素为1，其它元素均为0。
形如：A B C
1 2 3
则 A:1 0 0 所以AB之间的距离为√2
B:0 1 0 AC之间的距离为√2 因此，AB和AC之间的相似度是一样的。
C:0 0 1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
