时间戳

首页 > 解决方案 > 标称、序数、二进制与数值变量数据集的缩放

data-science - 标称、序数、二进制与数值变量数据集的缩放

问题描述

如果数据集以字符形式给出，即分类，那么我们需要使用一种热编码将它们转换为数字数据吗？

我的第二个问题是，一种热编码仅对 Nominal 数据类型有意义，还是对 Nominal 和 Ordinal 数据类型都有意义？

标签： data-scienceone-hot-encodingdata-science-experience

解决方案

在将分类变量提交给模型之前，确实需要将其转换为数值形式（尽管某些模型实现会自动执行此操作）。一种热编码是一种方法，但是您可以选择更多的“编码器”（序数编码、二进制编码、散列编码，...），它们都适合不同的情况。

对于第二个问题，您的数据是 Nominal 还是 Ordinal 并不重要，唯一真正重要的是您的数据是 Categorical。

也就是说，如果您的数据是有序的，模型会接受它。但是在某些情况下，序数可能会很糟糕，因为它会在您的类别之间引入“距离概念”。例如，如果您有这种交通工具的编码：

  • 1 -> 汽车
  • 2 -> 巴士
  • 3 -> 地铁
  • 4 -> 自行车

该模型会理解，bike 离地铁比离汽车更近，这是您可能不想提供给模型的信息。One hot Encoding 通过将每个类别彼此保持相同距离来解决这个问题。

推荐阅读