《百问机器学习》第二问：什么是类别型特征？数据预处理时怎样处理类别型特征？处理类别型特征的编码方式有哪几种

目录

1. 什么是类别型特征？

2. 处理类别型特征的编码方式有哪几种？

 2.1 序号编码

2.2 独热编码

2.2.1对于类别取值比较多的情况下，使用独热编码注意以下问题：

2.3 二进制编码

3除了这些编码还有哪些？

---

 1. 什么是类别型特征？

类别型特征（Categorical Feature）主要指的是性别（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变量，除了决策树等少数模型能够直接处理字符串形式输入，对于逻辑回归、支持向量机模型而言，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。

2. 处理类别型特征的编码方式有哪几种？

1. 序号编码（Ordinal Encoding）
2. 独热编码（One-hot Encoding）
3. 二进制编码（Binary Encoding）

 2.1 序号编码

序号编码通常是处理具有大小关系的数据。

例如成绩：分为高、中、低，并且存在排序关系，这样编码赋值后，比如高3，中2，低1转换后依然保证了大小关系。

2.2 独热编码

独热编码用于处理类比之间不具有大小关系的特征。

比如血型4种（A、