具有許多離散功能的機器學習數據集

Question

我正在使用包含許多帶離散輸出的變量的醫療數據集。例如：麻醉類型，感染部位，糖尿病y/n。爲了解決這個問題，我剛剛將它們轉換爲多個1和1的列，然後刪除一個以確保它們之間沒有直接關聯，但我想知道是否有更高效的方法來做到這一點

Answer 1

這取決於轉換的目的。如果序數表示不對應於類別的邏輯，則將類別轉換爲數字標籤可能沒有意義。在這種情況下，如果（正如我從你的文章中猜測的那樣），意圖是使用生成的變量作爲某種迴歸模型的輸入，那麼你採用的「單熱」編碼方法是最好的方法。您可以使用pandas.get_dummies實現您正在尋找的功能。