本文探讨了在机器学习中如何处理离散变量，包括OneHotEncoder、DictVectorizer、Dummy、LabelEncoder和OrdinalEncoder等方法。重点介绍了各种方法的适用场景，例如OneHotEncoder适用于取值较少的离散变量，而LabelEncoder和OrdinalEncoder对于取值较多的离散变量更为合适。此外，还提供了实际操作的代码示例。
背景
离散型变量在某些机器学习任务中经常出现，有时离散型变量是否能够充分使用直接关系到我们训练的模型性能。
虽然现在很多常用的机器学习方法都对离散型变量有了很好的支持，比如catboost、lightGBM等，但有时为了方便比较和尝试更多的模型方案，离散型变量的处理仍然是我们需要解决的问题。
本文的重点在于对现有的常用离散变量处理方法进行梳理，并提供相应的方法函数供读者参考。由于能力有限其中难免有所梳理，欢迎大家多多指教，共同学习、共同进步！
P.S. 由于精力有限，关于是什么和为什么的问题就不在此浪费时间讨论了，我们直接从怎么做入手开始我们今天的探讨。
概述
今天主要介绍以下几种方法，方法都是将离散变量（值为整数或者字符串）转换成大多数模型所支持的数值型变量。不仅提供了测试代码，还提供了工程上可实操的代码。至于其他的一些特殊的离散列编码方式如FC，目标列编码等，由于篇幅原因我们将新开一篇博客讨论。
| 方法一 OneHotEnCoder | 方法四 LableEncoder |
| 方法二 get_dummies | 方法五 OrdinalEncoder |
| 方法三 DictVectorizer | 方法六 dict直接映射 |
方
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
