Question

非常简单的问题：

我想要适合回归模型。我已经让大熊猫知道这些变量是绝对的。示例代码：

bikes_reg['month'] = bikes_reg['month'].astype('category')

我是否需要创建虚拟变量，或者在我适应它时模型会自动创建吗？

一般的经验法则是什么？每次我想使用分类变量时，是否需要创建虚拟变量？

Answer 1

指定astype('category')有助于python理解以下内容：

只包含几个不同值的字符串变量。将这样的字符串变量转换为分类变量将节省一些内存
变量的词法顺序与逻辑顺序（“one”，“two”，“three”）不同。通过转换为分类并在类别上指定顺序，排序和最小/最大将使用逻辑顺序而不是词法顺序

但是，要将分类数据输入模型，需要将其数字化（如果是字符串）并进行标准化。

您可以使用`sklearn.preprocessing.LabelEncoder来规范化标签

>>> from sklearn import preprocessing
>>> le = preprocessing.LabelEncoder()
>>> le.fit([1, 2, 2, 6])
    LabelEncoder()
>>> le.classes_
    array([1, 2, 6])
>>> le.transform([1, 1, 2, 6]) 
    array([0, 0, 1, 2]...)

或者，您也可以使用sklearn.preprocessing.OneHotEncoder技术

拟合模型是否会自动转换为虚拟变量？

1 个答案: