知识卡片

普通读书笔记卡 · 9406.c · 生成模型:Tencent Hunyuan Hy

独热编码标称特征

理解等级:高级

标称特征(如颜色 blue/green/red)若直接用 LabelEncoder 编成 0/1/2,学习算法会误以为 green>blue、red>green,引入不存在的顺序,结果可能非最优。独热编码(one-hot encoding)解决此问题:为每个类别新建一个虚拟特征列,用二进制位标识样本类别,如蓝色=(1,0,0)、绿色=(0,1,0)、红色=(0,0,1),从而消除虚假顺序。scikit-learn 用 OneHotEncoder(默认返回稀疏矩阵,sparse=False 返回常规数组),pandas 的 get_dummies 更便捷、只转换字符串列。理解要点:独热编码用“维度换顺序”,把类别从一维序数展开成多维指示向量。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第4章《4.2.3 标称特征上的独热编码》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0055.xhtml.xhtml) - 结论依据:原文直接支撑上述要点。 - 原始内容:虽然颜色的值并没有特定的顺序,但是学习算法将假定green大于blue、red大于green