机器学习各类编码方式

1. One-Hot Encoding（独热编码）：

   • One-Hot Encoding 是将分类变量转换为二进制向量的编码方法。对于具有 n 个不同类别的分类变量，One-Hot Encoding 会创建一个长度为 n 的二进制向量，其中只有一个元素为 1，其余元素为 0，该元素对应于该分类变量的类别。
   • 例如，对于一个性别变量，可以创建两个新变量：Is_Male 和 Is_Female，其中一个表示男性（1, 0），另一个表示女性（0, 1）。

2. Label Encoding（标签编码）：

   • Label Encoding 是将分类变量的每个类别映射到一个整数值的编码方法。对于具有 n 个不同类别的分类变量，Label Encoding 将每个类别依次映射到整数值 0 到 n-1。
   • 例如，对于一个颜色变量，可能将红色编码为 0，绿色编码为 1，蓝色编码为 2 等。

3. WOE Encoding（Weight of Evidence 编码）：WOE编码（证据权重编码）：

   • WOE 编码是一种用于对分类变量进行编码的方法，特别适用于评分卡建模等场景。它使用每个类别的好坏比（Good/Bad ratio）来编码每个类别，用于描述该类别相对于其他类别的重要性。
   • WOE 编码的计算公式是：WOE=ln⁡(%Good%Bad)WOE=ln(%Bad%Good​)，其中 % Good 和 % Bad 分别表示该类别中好客户和坏客户的比例。
   • WOE 编码的值可以被解释为某一类别相对于整个样本的相对影响，正值表示该类别对好客户的影响更大，负值表示该类别对坏客户的影响更大。