我了解到，为了创建回归模型，我们必须通过将分类变量转换为虚拟变量来处理它们。例如，如果在我们的数据集中，有一个像 location 这样的变量：
Location
----------
Californian
NY
Florida
我们必须将它们转换为：
1 0 0
0 1 0
0 0 1
然而，有人建议我们必须丢弃一个虚拟变量，无论有多少虚拟变量。
为什么我们需要丢弃一个虚拟变量？
为什么我们需要丢弃一个虚拟变量？
数据挖掘
机器学习
回归
分类数据
2021-09-21 23:13:40
2个回答
简单地说，因为您的分类特征的一个级别（此处的位置）在回归的虚拟编码期间成为参考组并且是多余的。我在这里引用表格“K 个类别或级别的分类变量通常作为 K-1 个虚拟变量的序列进入回归。这相当于水平均值的线性假设。”
这已经在这个非常好的stats.stackexchange 答案中讨论过了。
有人告诉我，如果您仍有疑问，Yandex 在 Coursera 中有一个高级课程更详细地介绍了该主题，请参阅此处。请注意，您始终可以免费审核课程内容。;-)
另一个不错的帖子，如果您想通过大量具有统计角度的示例进行详尽的解释，而不仅限于虚拟编码，请参阅UCLA (in R)
请注意，如果您使用pandas.get_dummies，则有一个参数 iedrop_first以便通过删除第一级是否从 k 个分类级别中获取 k-1 个虚拟对象。请注意default = False，这意味着不会删除参考，并且会从 k 个分类级别创建 k 个虚拟对象！
您不需要降低级别，具体取决于您的用例。
请参阅
在哪些情况下我们不应该删除第一级分类变量？
以及更普遍的问题
在监督学习中，为什么拥有相关特征是不好的？