我有一些手工编码的特征，它是一个具有“高”、“低”和“正常”值的类别。
我自己创建了这个功能，当使用它并通过虚拟变量扩展这些功能时，我的问题性能（分类）显着提高。
现在因为我正在尝试随机森林，所以我想我将“高、低、正常”改为 1、-1、0。
现在同样的模型根本不学习。
我认为实际上它应该更容易分裂。这与我将正常设置为0有关吗？
感谢您的任何解释帮助我理解这一点。
使用类别和使用虚拟变量时随机森林性能差异的解释
数据挖掘
分类
特征选择
随机森林
决策树
特征工程
2022-02-25 02:23:07
1个回答
它应该起作用：变量是序数，因此使用数值是有意义的。
所以某处有一个错误，这里有一些建议：
- 可能某处出现类型转换错误：确保变量被解释为数字。
- 检查模型是否真的使用了变量：如果没有，那么很可能是一些类型错误；如果是，那么我会调查出了什么问题：例如，在变量是分类或数字的两种情况下，绘制这个变量与目标的关系可能会有所帮助。
- 训练集和测试集的预处理可能有一些区别：将模型应用到训练集上，如果性能好那么很可能是测试集的预处理有问题。
其它你可能感兴趣的问题