我在Kaggle 的泰坦尼克竞赛中找到了一个脚本，创建者将多值单特征（即 Pclass = {1,2,3}）转换为 3 个二进制特征。
这种转换的优缺点是什么？它真的改善了某些东西，还是变得更糟了？还是什么都改变不了？
尽管计算时间更长，但我也担心它会在模型中引入偏差。
多二进制虚拟特征与多值单特征
数据挖掘
机器学习
特征选择
特征提取
2022-02-15 14:15:40
1个回答
正如@K3 建议的那样，正如@Sean Owen 告诉我的名字（一个热编码），我至少可以提供一些元素来回答自己。
正如在 sklearn文档中找到的那样：
[...]整数表示不能直接与 scikit-learn 估计器一起使用，因为它们期望连续输入，并将类别解释为有序，这通常是不希望的。
它在 sklearn 中作为OneHotEncoder实现，在 Pandas 中作为get_dummies 实现。