本文介绍了One-Hot编码的基本概念及其应用场景，强调了在逻辑回归等机器学习任务中使用该编码方式的重要性，并对比了其在不同算法（如决策树）中的适用性。此外，还提到了使用One-Hot编码可能导致的数据稀疏性和维度膨胀问题。
one hot encoding
one hot encoding一般使用在离散变量,但变量之间没有关系,比如数据中出现好/一般/不好,和蓝色/绿色/红色时,我就不能把两组变量都编写成1,2,3.这样变量之间会有影响,此时就需要用one hot encoding,但是它带来的麻烦就是变量变多,而且变得稀疏.一般在逻辑回归的时候会用,在决策树的时候就不需要one hot encoding.
sklearn.preprocessing.PolynomialFeatures(对变量进行重新编码)点击打开链接
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
