特征预处理和特征生成 (二)类别特征和序数特征

类别特征和序数特征

• 类别特征：一般的类别特征，这种特征没有顺序或距离的概念。
  例如：性别(男/女)、国家、职业等。
• 序数特征：有着某种意义排序的类别特征，但又不同于数字特征。
  例如：学历(学士/硕士/博士)、火车票等级(一等座/二等座)，它们虽然是类别特征，但它们在某种意义上又是有顺序或距离的。

1，特征的预处理

• Label Encoding
• Frequency Encoding
• OneHot Encoding

（1）Label Encoding

Label Encding就是将各个类别特征的各个取值映射成对应的整数。

• sklearn.preprocessing.LabelEncoder：它是按字母顺序将类别特征的各个取值换成对应的有序的整数。
• pandas.factorize：它是按类别特征的各个取值出现的顺序将其换成对应的有序的整数。

（2）Frequency Encoding

将类别特征的各个取值换成各自对应的频率。

encoding = titanic.groupby(‘class’).size() 
encoding = encoding/len(titanic) 
titanic[‘enc’] = titanic.class.map(encoding)

（3）OneHot Encoding

一般将没有顺序的类别特征进行独热编码，因为独热编码之间，类别特征各个取值之间的距离是一样的。

2，特征生成

类别特征的特征生成一般是将几个类别特征连接到一起，组成一个新的取值比较多的联合类别特征。如下所示：

3，总结