2021-03-10
閱讀量:
1147
什么時候用啞變量，什么時候用獨熱編碼？
a 啞變量的截距是基準類別的值，啞變量的回歸系數(shù)表示的是某類別和基準類別之間的平均差異；
b 若線性模型有截距項，用啞變量，因為多余的自由度可以被統(tǒng)攝到截距項intercept里去；
c 若線性模型有截距項，且使用正則化，用獨熱編碼，因為正則化會約束系數(shù)，使各變量地位相等，從而處理多余特征；
d 無截距項，使用獨熱編碼
e 樹模型不建議使用二進制類型的編碼，因為會加深樹的深度，或者減小節(jié)點分裂增益
最好是選擇正則化 + one-hot編碼；啞變量編碼也可以使用，不過最好選擇前者。對于樹模型，不推薦使用定類編碼，因為樣本切分不均衡時，增益效果甚微
43.8203
1
0
關(guān)注作者
收藏
評論(0)
發(fā)表評論
暫無數(shù)據(jù)
推薦帖子
CDA持證人阿濤哥
2025-04-21
0條評論
CDA持證人阿濤哥
2024-12-07
0條評論
CDA持證人阿濤哥
2024-10-26
0條評論
CDA持證人阿濤哥
2024-10-15
0條評論