【机器学习案例4】为机器学习算法编码分类数据【含源码】

目录

编码分类数据

序数编码

标签编码

一次性编码

目标编码

目标编码的优点

目标编码的缺点

---

在现实生活中，收集的原始数据很少采用我们可以直接用于机器学习模型的格式，即数值型数据。因此，需要进行一些预处理，以便以正确的格式呈现数据、选择信息丰富的数据或降低其维度，以便能够最大限度地提取数据。

在这篇文章中，我们将讨论对原始数据的编码方式，以便能够使用分类数据作为我们的 ML 模型的特征，还将讨论数据编码的类型以及对应的适用条件！

编码分类数据

数值数据，顾名思义，具有仅包含数字（整数或浮点数）的特征。另一方面，分类数据的变量包含标签值（文本）而不是数值。机器学习模型只能接受数值输入变量。如果我们的数据集包含分类数据而不是数值数据，会发生什么？

然后，我们必须如上图所示将包含分类变量的数据转换为数字，然后才能训练 ML 模型。这称为数据编码。

两种最流行的编码技术是序数编码和One-Hot编码。

• 序数编码：此技术用于对具有自然排名顺序的分类变量进行编码。例如，好、非常好、优秀可以编码为1、2、3