sklearn中决策树处理类别特征_机器学习｜sklearn如何处理类别型特征？

0 前言

在机器学习中，大多数算法，譬如逻辑回归，支持向量机SVM，k近邻算法等都只能够处理数值型数据，不能处理文字，在sklearn当中，除了专用来处理文字的算法，其他算法在fit的时候全部要求输入数组或矩阵，也不能够导入文字型数据(其实手写决策树和朴素贝叶斯可以处理文字，但是sklearn中规定必须导入数值型)。

然而在现实中，许多标签和特征在数据收集完毕的时候，都不是以数字来表现的。比如说，学历的取值可以是["小学"，“初中”，“高中”，"大学"]，付费方式可能包含["支付宝"，“现金”，“微信”]等等。在这种情况下，为了让数据适应算法和库，我们必须将数据进行编码，即是说，将文字型数据转换为数值型。

1 类别型特征分类

并不是所有的类别型特征都能统一的转换为数值型，在转换之前要先对类别进行一个分析，总体来说，类别型特征可以分为定类变量、定序变量、定距变量和定比变量。

• 定类变量：如性别（男、女、其他），三种取值之间是相互独立的，彼此之间完全没有关系，这种变量称之为名义变量。
• 定序变量：如学历࿰