本文是對(duì) 機(jī)器學(xué)習(xí)“特征編碼”的經(jīng)驗(yàn)分享：魚還是熊掌？ 的筆記總結(jié)

機(jī)器學(xué)習(xí)模型需要的數(shù)據(jù)是數(shù)字型的，因?yàn)橹挥袛?shù)字類型才能進(jìn)行計(jì)算

所以對(duì)可分類型的數(shù)據(jù)進(jìn)行編碼，就是量化的過程。有兩種編碼方式可以對(duì)種類編碼：one-hot encoding 和 label endcoding

one-hot encoding

用pandas包里的get_dummies函數(shù)實(shí)現(xiàn)one-hot編碼

pandas.get_dummies(df['Elevator']) #對(duì)電梯列數(shù)據(jù)，有/無電梯進(jìn)行one-hot編碼

one-hot編碼的數(shù)字是0和1

one-hot編碼會(huì)把該數(shù)據(jù)列的每一個(gè)類別都提取出來，變成新的一列，所以該列數(shù)據(jù)有多少分類，就會(huì)新增多少特征列

label encoding

class=['大一','大二','大三','大四'] df=pandas.DataFrame({'Class':Class}) classMap={'大一':1,'大二':2,'大三':3,'大四':4} df['class']=df['class'].map(classMap) #要用到map函數(shù) df

label encoding 就是針對(duì)該列數(shù)據(jù)的類別是有順序關(guān)系的，可以標(biāo)記序號(hào)、排序來理清各個(gè)類別間的關(guān)系

如何選擇？

除了上面解釋到的兩個(gè)編碼的差別，還要根據(jù)算法、模型來判斷使用哪一個(gè)編碼

• 邏輯回歸和SVM算法對(duì)數(shù)值大小敏感，一定要使用one-hot編碼
• 樹模型對(duì)數(shù)值大小不敏感，而且一般一列數(shù)據(jù)里會(huì)有很多個(gè)種類，用one-hot編碼會(huì)造成維度災(zāi)難，并且也會(huì)限制樹模型的一直分裂。用label encoding。

總結(jié)

以上是生活随笔為你收集整理的hot编码 字符one_Python机器学习：特征编码的两种方式的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。