目录

机器学习-离散型变量处理

离散型变量处理思路

离散型变量输入通常为字符串形式,除了少数决策树模型能够直接处理类别型变量之外,对于逻辑回归、支持向量机等模型而言,必须将类别型变量转换为数值型变量才能正确的工作。

1.Ordinary Encoding(Label Encoding)

自然编码,按照类别出现的自然顺序进行编码,通常用于处理类别之间存在大小关系的数据。

编码顺序会按照大小关系对类别型特征赋予自己的数值ID,但是同时保留了大小关系。

2.One-hot Encoding

独热编码,将N个特征编码为N维的稀疏向量,有效解决了自然编码存在大小关系保留的问题,不好处理数据属性的问题,在一定程度上扩充了维度。

但是当类别过多时,会造成维度灾难。

3. Binary Encoding

将原本的独热编码编码为二进制单位,一定程度上增加了信息的稠密度

4.直接采用LGB、catboost等能直接读取类别型变量的树模型

5.Embedding

将模型类别型变量进行嵌入的操作,可以有效压缩one-hot编码造成的数据稀疏的问题

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
陈奕昆几秒前
微软2025年AI技术深度解析:从多模态大模型到企业级代理服务
人工智能·microsoft
青花瓷33 分钟前
VSCode中结合DeepSeek使用Cline插件的感受
ide·人工智能·vscode·大模型·编辑器·deepseek
无水先生1 小时前
NLP 梳理01 — 文本预处理和分词
人工智能·自然语言处理
想成为PhD的小提琴手1 小时前
论文阅读11——V2V-LLM:采用多模式大型语言模型的车对车协同自动驾驶
人工智能·语言模型·自动驾驶
meisongqing2 小时前
人工智能:RNN和CNN详细分析
人工智能·神经网络
带娃的IT创业者2 小时前
《AI大模型趣味实战》智能财务助手系统架构设计
人工智能·系统架构
Shockang2 小时前
机器学习的一百个概念(7)独热编码
人工智能·机器学习
东芃93942 小时前
CUDA error: no kernel image is available for execution on the device
人工智能·深度学习
计算所陈老师2 小时前
基于论文的大模型应用:基于SmartETL的arXiv论文数据接入与预处理(一)
人工智能·数据治理
jerry6092 小时前
多分类交叉熵
机器学习·数学建模·分类