2021-03-10
阅读量:
1054
什么时候用哑变量，什么时候用独热编码？
a 哑变量的截距是基准类别的值，哑变量的回归系数表示的是某类别和基准类别之间的平均差异；
b 若线性模型有截距项，用哑变量，因为多余的自由度可以被统摄到截距项intercept里去；
c 若线性模型有截距项，且使用正则化，用独热编码，因为正则化会约束系数，使各变量地位相等，从而处理多余特征；
d 无截距项，使用独热编码
e 树模型不建议使用二进制类型的编码，因为会加深树的深度，或者减小节点分裂增益
最好是选择正则化 + one-hot编码；哑变量编码也可以使用，不过最好选择前者。对于树模型，不推荐使用定类编码，因为样本切分不均衡时，增益效果甚微
43.8203
1
0
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2025-04-21
0条评论
CDA持证人阿涛哥
2024-12-07
0条评论
CDA持证人阿涛哥
2024-10-26
0条评论