[KO机器学习] Day2 特征工程：数据预处理：序号编码、独热编码、二进制编码

场景描述

类别型特征（categorical feature）主要是指性别（男女）、血型（A,B,AB,O）等只在有限选项内取值的特征。类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型特征才能正确工作。

在对数据进行预处理时，应该怎么样处理类别型特征？

难度：★☆☆☆☆

① 序号编码 Ordinal Encoding

序号编码通常用于处理类别间具有大小关系的数据。例如，成绩，可以分为低、中、高三档，并且存在 " 高 > 中 > 低 " 的排序关系。序号编码会按照大小关系对类别型特征赋予一个数值 ID， 例如高表示为3、中表示为2 、低表示为1，转换后依然保留了大小关系。

② 独热编码 One-hot Encoding

独热编码通常用于处理类别间不具有大小关系的特征。例如血型，一共有4个取值（A B AB O），独热编码会把血型变成一个4维稀疏向量：

• A型血表示为