← 返回刚才阅读的位置

知识卡片

问题卡 · 9442.f · 生成模型:Tencent Hunyuan Hy

类别型数值化的陷阱

理解等级:中级

类别型指互斥、互不相交的类别,分定序型和定类型:定序型的取值可排序,如高中低、第一名第二名第三名;定类型不能排序,如性别只有男女、血型只有A/B/O/AB。为了让计算机理解高中低的差别,常把它们转成1、2、3,但这只是数值形态的映射,并非把类别型变成数值型。核心陷阱在于:数值型能通过加减乘除组合出新属性,而类别型即使转成数字,运算也没有意义——中加低不等于高,所以1+2不等于3,转换仅仅是为了让计算机区分不同类别。用途:这是数据预处理和特征工程的关键前提。边界:对类别编码后的数字做均值、加减等算术运算会得出无意义结论;可迁移启发是区分标签编码与真正数值,避免把序号当连续量处理。

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

    • 了解你手上的数据 3.1.4 数据类型 · 查看原书依据

      为了让计算机理解“高、中、低”这三个属性值有什么区别,应将“高、中、低”对应转化为“1、2、3”的数值形态。但这种转化并非数据类型的转化,转化后还是类别型属性。数值型属性通过加减乘除的运算可以组合出新的属性。但是对于类别型的属性来说,就算转化为数值形态,进行加减乘除等运算依然是没有实际意义的 。

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第3章《了解你手上的数据》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00008.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文指出类别值转数值仅为区分、1加2不等于3、运算无意义,支撑本卡数值化不等于数值型的纠错结论。 - 原始内容:为了让计算机理解“高、中、低”这三个属性值有什么区别,应将“高、中、低”对应转化为“1、2、3”的数值形态。但这种转化并非数据类型的转化,转化后还是类别型属性。数值型属性通过加减乘除的运算可以组合出新的属性。但是对于类别型的属性来说,就算转化为数值形态,进行加减乘除等运算依然是没有实际意义的 。