机器学习特征工程中常用的特征编码方法

1. 独热编码（One - Hot Encoding）
   • 原理：
     • 独热编码主要用于处理分类变量。对于一个具有n个类别属性的分类变量，独热编码会将其转换为n个二进制变量（0或1）。例如，对于“贷款用途”这个分类变量，假设有3种用途：购房、购车、教育。经过独热编码后，会产生3个新的变量，如“贷款用途_购房”“贷款用途_购车”“贷款用途_教育”，当贷款用途是购房时，“贷款用途_购房”这个变量的值为1，其余两个为0；同理，当贷款用途是购车时，“贷款用途_购车”为1，其他为0。
   • 适用场景：
     • 适用于大多数机器学习算法，因为许多算法不能直接处理分类变量，需要将其转换为数值型变量。尤其是在使用线性模型（如线性回归、逻辑回归）和神经网络时，独热编码可以避免模型错误地学习类别之间的顺序关系。
   • 示例（以Python为例）：
     • 假设df是一个包含“贷款用途”这个分类变量的数据框。

     from sklearn.preprocessing import OneHotEncoder
     encoder = OneHotEncoder(sparse=False)
     loan_purpose = df[['loan_purpose']]
     encoded_purpose = encoder.fit_transform(loan_purpose)
     # 将编码后的数据转换为DataFrame并与原始数据合并（假设原始数据还有其他列）
     new_df = pd.DataFrame(encoded_purpose, columns=encoder.get_feature_names_out(['loan_purpose']))
     df = pd