数据分析 | 热度编码和标签编码

热度编码 (One-Hot Encoding)和标签编码 (Label Encoding)是两种常用的将分类变量转换为数值型变量的方法。下面是对这两种编码

方式的详细解释及Python代码示例。

1. 热度编码(One-Hot Encoding)

定义 :

热度编码将每个类别转换为一个新的二进制变量(0或1)。每个类别都有一个独立的列,表示该样本是否属于该类别。

优点:

  • 不会引入顺序关系,适合无序类别(如颜色、性别等)。
  • 保持了每个类别的独立性。

缺点:

  • 对于类别数量较多的变量,可能会导致维度爆炸(即生成大量的虚拟变量)。

Python示例:

python 复制代码
import pandas as pd

# 创建示例数据集
data = pd.DataFrame({
    'color': ['red', 'blue', 'green', 'blue', 'red']
})

# 使用独热编码
one_hot_encoded_data = pd.get_dummies(data, columns=['color'], drop_first=True)

print(one_hot_encoded_data)

输出:

复制代码
   color_blue  color_green
0           0            0
1           1            0
2           0            1
3           1            0
4           0            0

解释:

  • pd.get_dummies(...)函数将color列中的每种颜色转换为新的二进制列(color_blue和color_green)。
  • drop_first=True参数删除了第一个类别(red),从而避免了多重共线性。

2. 标签编码(Label Encoding)

定义 :

标签编码将每个类别转换为一个唯一的整数值。这种方法对每个类别分配一个数字,通常从0开始。

优点:

  • 简单且节省内存。
  • 在某些模型(如树模型)中,能够处理有序类别。

缺点:

  • 对于无序类别,可能会引入不必要的顺序关系,使得模型误解类别之间的关系。

Python示例:

python 复制代码
from sklearn.preprocessing import LabelEncoder

# 创建示例数据集
data = pd.DataFrame({
    'color': ['red', 'blue', 'green', 'blue', 'red']
})

# 创建LabelEncoder实例
label_encoder = LabelEncoder()

# 使用标签编码
data['color_encoded'] = label_encoder.fit_transform(data['color'])

print(data)

输出:

复制代码
   color  color_encoded
0    red              2
1   blue              0
2  green              1
3   blue              0
4    red              2

解释:

  • LabelEncoder将color列中的每种颜色转换为唯一的整数值。 red被编码为2,blue为0,green为1。
  • 这种方法在处理有序类别时可能有意义,但在处理无序类别时需要谨慎。

总结

  • 热度编码(One-Hot Encoding):

    • 将每个类别转换为独立的二进制列,适合无序类别。
    • 可能导致维度爆炸。
  • 标签编码(Label Encoding):

    • 将每个类别转换为唯一的整数,适合有序类别。
    • 可能引入不必要的顺序关系,适合某些模型(如树模型)使用。

选择合适的编码方式取决于数据的特性和后续模型的需求。在无序类别的情况下,热度编码通常是更好的选择,而标签编码适用于有序

类别。

相关推荐
培培说证16 小时前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析
Aloudata18 小时前
服饰零售数据治理如何统一款色码与库存口径,支撑门店售罄率和补货分析?
大数据·数据分析·零售
躺柒19 小时前
读数据分析思维通识课07数据思维图
大数据·数据挖掘·数据分析·大数据分析·数据思维图
屿华AI20 小时前
AUTOSAR 实战-诊断工具 | 基于 YAML 的诊断测试用例工程:轮询、断言与回归
数据挖掘·回归·测试用例
databook1 天前
时间序列特征,哪些当时就能算出来
python·数据分析
wang_yb1 天前
时间序列特征,哪些当时就能算出来
数据分析·databook
kaixin_啊啊1 天前
鱼类跨物种 DNA 序列预测:AQUA-FAANG 数据下载与操作指南
数据分析
GrowingIO技术社区2 天前
事件与属性怎么设计?一份埋点需求表的填写示例
数据分析
翰墨之道2 天前
黄仁勋回归传闻升温:英伟达领导层风波牵动AI产业
人工智能·数据挖掘·回归
benchmark_cc3 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash