本文是對 機器學習“特征編碼”的經驗分享：魚還是熊掌？ 的筆記總結

機器學習模型需要的數據是數字型的，因為只有數字類型才能進行計算

所以對可分類型的數據進行編碼，就是量化的過程。有兩種編碼方式可以對種類編碼：one-hot encoding 和 label endcoding

one-hot encoding

用pandas包里的get_dummies函數實現one-hot編碼

pandas.get_dummies(df['Elevator']) #對電梯列數據，有/無電梯進行one-hot編碼

one-hot編碼的數字是0和1

one-hot編碼會把該數據列的每一個類別都提取出來，變成新的一列，所以該列數據有多少分類，就會新增多少特征列

label encoding

class=['大一','大二','大三','大四'] df=pandas.DataFrame({'Class':Class}) classMap={'大一':1,'大二':2,'大三':3,'大四':4} df['class']=df['class'].map(classMap) #要用到map函數 df

label encoding 就是針對該列數據的類別是有順序關系的，可以標記序號、排序來理清各個類別間的關系

如何選擇？

除了上面解釋到的兩個編碼的差別，還要根據算法、模型來判斷使用哪一個編碼

• 邏輯回歸和SVM算法對數值大小敏感，一定要使用one-hot編碼
• 樹模型對數值大小不敏感，而且一般一列數據里會有很多個種類，用one-hot編碼會造成維度災難，并且也會限制樹模型的一直分裂。用label encoding。

總結

以上是生活随笔為你收集整理的hot编码 字符one_Python机器学习：特征编码的两种方式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。