在做预测分类的任务中,如果出现了分类变量,要对其进行一些处理,例如
- sex 【男,女】
- 城市 【北京,上海,广州,深圳】
- 颜色 【red, blue】
在对这些分类变量处理的时候要注意以下两点原则
- 离散特征的取值之间没有大小的意义,比如color:[red,blue],那么就使用one-hot编码
- 离散特征的取值有大小的意义,比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}
遵循这两点对于机器学习的分类任务有很大的关系
df = pd.DataFrame([
['green', 'M' , '一等座'],
['red', 'L', '二等座'],
['blue', 'XL', '三等座'<