代码之家 › 专栏 › 技术社区 › user3115933

何时将分类变量转换为数字变量进行机器学习?

xgboost r-caret machine-learning r

user3115933 · 技术社区 · 7 年前

我是机器学习新手,正在运行分类算法( xgboost )在我的数据中,使用 caret 包装于 R .

然而,为了机器学习的目的,我对将一些分类变量转换为数字变量感到困惑。我在网上搜索过,但我找不到关于这个问题的具体规则(如果有的话)。

这个 XG增压 位于以下url的渐晕图( xgboost )提到“Xgboost只管理数字向量。”这难道不意味着我的所有特性(变量)只需要包含数值吗?然而,我看到一些教程使用 XG增压 其中变量为分类变量。

在此问题上的任何帮助都将不胜感激。

1 回复 | 直到 7 年前

blacksite 7 年前

统计/机器学习中处理分类特征的主要方法是通过一种称为 one-hot encoding .

以以下数据为例:

outcome    animal
      1       cat
      1       dog
      0       dog
      1       cat

假设你想根据给定病例的动物类型(观察/行/受试者等)预测结果(无论是什么)。这样做的方法是编码 animal 以一种炙手可热的方式,比如:

outcome  is_dog   is_cat
      1       0        1
      1       1        0
      0       1        0
      1       0        1

在那里,基数的动物列 k 已编码到 k 新列指示给定值的特定类别/属性的存在或不存在 动物 对于那一排。

从那里,你可以使用任何你想根据(现在不同编码的)动物列预测结果的模型。但一定要将一只动物(一组)作为对照组从模型中剔除。在这种情况下,可以拟合逻辑回归模型 outcome ~ is_dog 并解释斜率系数 is_dog 随着狗1结果可能性的增加或减少 与猫相比 .

推荐文章

Chris · ROC公制in train(),插入符号包

7 年前

Marco · 调谐器插入符号长度

7 年前

B. Sharp · 插入符号使用插入符号序列对象返回的预测与使用提取的最终模型返回的预测不同

7 年前

Copenhagen_PDS · prediction\u regression\u tree\uCaret“[.data.frame”(m,labs)中出错:选择了未定义的列

7 年前

Hanjo Odendaal · 使用配方和插入符号预处理的差异

7 年前

mlevy · 插入符号中的折叠与训练错误

7 年前

onur Ã¶ztornacÄ± · 插入符号包中的数据分区和过度拟合

7 年前

JFG123 · 如何对样本数据集进行分层,使用插入符号进行统计分析,并在r中重复?

7 年前

user23148 · 线性回归(特征选择)的插入符号向前跳跃更改nvmax

7 年前

user3245256 · r: 对于相同的λ,glmnet和caret的系数不同

7 年前