如何处理多个非序号分类变量？

文章/答案/技术大牛

发布

2回答

python、machine-learning、scikit-learn、linear-regression

但是，我无法理解如何处理前两列，这两列是我的分类变量。我刚刚在Udemy上开始了一门数据科学课程，讲师还没有真正解释在这个场景中应该做什么，因为他的OneHotEncoding示例只适用于具有一个分类变量的数据集。

浏览 34提问于2021-10-29得票数 0

1回答

线性回归使归一化或标准化后的结果更糟。

machine-learning、scikit-learn、linear-regression

我在这个数据集上执行线性回归: archive.ics.uci.edu/ml/datasets/online+news+popularity我试过使用scikit--学习规范器、StandardScaler和PowerTransformer，但结果都比不使用它们更糟糕。from sklearn.preprocessing import StandardScalerY = df['shares'] tr

浏览 1提问于2019-01-12得票数 3

1回答

R中的randomForest与因子变量

r、classification、random-forest、categorical-data

我有一个数据集，有一些连续变量，一些序数变量和一些分类定性变量。我想使用一个随机森林分类器(我有一个分类结果)，但我不知道如何处理序号和分类特性，它们目前都编码为factor。我希望序数变量被视为数字，而定性变量则将每个级别作为单独的虚拟变量。R的randomForest通常如何处理factor特性？我是否应该将定性变

浏览 1提问于2022-06-24得票数 0

回答已采纳

1回答

以顺序变量、范畴变量和连续变量为预测变量的特征选择

classification、categorical-data、feature-selection、continuous

我希望从包含13000+行和162个预测变量的数据集中对贷款违约者进行分类，即0用于非违约者，1用于违约者。预测变量由范畴序数、范畴标称和连续变量以及虚拟变量组成。由于这是一个分类问题，我希望应用Logistic回归，支持向量机和决策树。我发现很难为这样一个不同的预测变量池运行特性选择。我的第一次尝试是分离分类变量(包括序号和标称)和连续变量，并分别使用X平方和Anova选择特性。

浏览 2提问于2022-06-10得票数 0

1回答

带有范畴的逐步GLM

matlab、statistics、regression、linear-regression、glm

我有一个由85个预测器组成的表，其中一些是数字的、逻辑的、序号的和标称的(热编码的)。他们预测的是一个单一的finalScore结果变量，其范围从0到1。建议有分类，但到目前为止，我还没有在我所拥有的4种类型中找到任何东西。

浏览 2提问于2017-12-09得票数 2

回答已采纳

2回答

回归分析中如何区分分类变量和序数变量？

encoding、machine-learning、regression、linear-regression、categorical-data

其中一些明显是序号(例如年份、房间数、楼层)。有些特性是绝对的，我对如何在编码为数字格式时如何处理它们感到困惑。我对使用哪种编码方法犹豫不决:一次热编码(用于分类)或只是序号映射(序数数据)。我知道，像肤色、性别、地区、国籍这样的分类特征显然必须用虚拟编码来编码。同样清楚的是，这样的分类特征，作为条件，可能的值“旧”，‘翻新’，‘新’可以分别被排序和编码为1，2，3。但我不知道如何编码不太明显的特性。这种特征的本质并不是立即被注意到的

浏览 0提问于2015-12-07得票数 0

回答已采纳

1回答

处理包含多个非序数分类功能的Pandas数据帧

machine-learning、python、feature-selection、feature-engineering

我目前正试图分析一个包含多个非序数分类特征和一个二进制目标变量的数据集。50 | cat 450 | 1 |整个表是400.000行x15列，其中最后一列是目标变量每个特性都有多个非序数类别，从9个类别到数百个类别不等。我的第一反应是对所有的分类变量进行一次热编码。然而，我害怕这样做会使任何模型都会变得过于合适。如

浏览 0提问于2020-06-03得票数 1

回答已采纳

1回答

具有顺序和标称尺度数据的聚类、混合数据集

feature-scaling、clustering

在阅读了在聚类中如何考虑分类数据之后，我得出的结论是，大多数帖子并没有区分标称尺度数据，如颜色:红色、绿色、蓝色和序号数据，例如大小:小、中、大。然而，项目之间的距离在序号尺度上是有意义的，即使它们在所有项目之间不一定是相同的。我是否可以简单地将序号数据转换为数字比例尺，而不会给集群带来很多麻烦？我所发现的最简单的方法，如果没有太多的项目在秤上，是分解标度，并为每个项目添加一个变量。例如，我们最初有颜色:红色、绿色、蓝色，我们设置变量colour_red、

浏览 0提问于2019-05-15得票数 1

回答已采纳

1回答

寻找处理ML分类数据的最佳方法

python、statistics、data-science

当我需要对教育水平这样的变量进行有序处理时，它也并不总是有效的。您使用哪些常见的工作场所技术来处理包含某些分类数据或几乎所有分类数据的数据集？记住，数据可能是名义的或序号的。

浏览 4提问于2020-07-09得票数 1

1回答

如何对分类输入变量进行回归输出的可视化(绘制图)？

machine-learning、visualization、categorical-data、linear-regression

我在做多变量线性回归。在我的数据中，我有143个特征和13000个训练例子。我的一些特性是连续的(序号)变量(面积，年份，房间数量)。但我也有分类变量(地区，颜色，类型)。例如，下面是area与预测的price的对比图：由于area是连续序数变量，所以可视化数据没有任何问题。但现在，我想以某种方式将我的分类变量(如地区)对预测价格的依赖性想象出来。对于分类变量，我使用了一个热(虚拟)编码。例如，这类数据： 📷

浏览 0提问于2015-12-10得票数 1

回答已采纳

1回答

Keras -无法将numpy数组转换为张量对象

python、pandas、numpy、tensorflow、keras

有人能告诉我如何解决这个问题吗？提前谢谢！单击此处查看我尝试作为列车特征上传的数据帧。在此处输入图像描述 model.summary() = 在此处输入图像描述

浏览 73提问于2021-03-02得票数 0

回答已采纳

2回答

处理python中不同数据类型的NaiveBayes分类器

python、scikit-learn、gaussian、naivebayes

我试图在Python中实现朴素的Bayes分类器。我的属性有不同的数据类型:字符串、Int、浮点数、布尔值、序号。我可以使用高斯朴素贝叶斯分类器(Sklearn.naivebayes : package)，但我不知道如何处理不同的数据类型。分类器引发错误，声明不能处理除Int或float以外的其他数据类型。但我也怀疑，如果我这样做，分类器会有多好。

浏览 4提问于2015-06-19得票数 1

回答已采纳

1回答

如何对分类输入变量进行回归输出的可视化(绘制图)？

matplotlib、machine-learning、regression、linear-regression、categorical-data

我在做多变量线性回归。在我的数据中，我有n =143个特性和m = 13000训练示例。我的一些特性是连续的(序号)变量(面积，年份，房间数量)。但我也有分类变量(地区，颜色，类型)。例如，下面是area与预测的price的对比图：由于area是连续序数变量，所以可视化数据没有任何问题。但现在，我想以某种方式将我的分类变量(如地区)对预测价格的依赖性想象出来。对于分类变量，我使用了一个热(虚拟)编码。例如，这

浏览 1提问于2015-12-10得票数 2

回答已采纳

2回答

CNN用于顺序分类

machine-learning、deep-learning、image-classification、class-imbalance、convolutional-neural-network

我们如何设计一个CNN的序号分类？我正试着分析植物叶片图像中的疾病。我已经把疾病分类做好了。现在我们需要将疾病的严重程度分类为1到10 (序数)，其中1几乎没有叶上病变部位的痕迹，10是完全患病。我如何处理训练样本在每个序数水平上的不平衡？

浏览 0提问于2017-10-04得票数 1

3回答

如何处理K-方法中的分类特征？

machine-learning、clustering、k-means、python-3.x

我在处理泰坦尼克号数据集。它包含6个分类特征。我在这个数据集上使用了k均值算法。我对分类特征使用标签编码。但是我发现分类特征应该使用欧几里德距离。它应该使用Hamming距离。那么，如何使k-意味着精细地工作在混合特征上？我不需要其他算法。我只想在混合特征数据集上使用k--意思。

浏览 0提问于2020-06-23得票数 1

2回答

决策树与分类特征标记

classification、decision-trees、categorical-encoding

我正在研究一个决策树模型，并试图决定如何最好地处理分类特性。我的数据集中的特征通常是基数高的，我发现序号标记比虚拟编码更好。我想知道我能否更进一步，如果，我可以根据它们与目标变量的相关性来分配随机数字代码，而不是指定随机数字代码。例如，让我们假设我的一个特性是sales_rep_name，我正试图预测是否有大或小的销售。我可以按大销售额的比例对销售代表进行排名，并使用该排名作为序号。这样，当决策树分裂时，它在树的一边保持较低的销售代表，而在树的另一边保持较高的销售代表。这种逻辑有缺陷吗

浏览 0提问于2021-07-20得票数 2

1回答

数据查询导致对顺序变量的转换

data-cleaning、correlation

如果一个分类列fuel_mileage中的所有值都来自set {poor, good, very_good}，那么由于{poor, good, very_good}之间的普遍有序关系，我们可以使列序号，但是，假设这个数据集中的标签列是engine_longevity，所以我们在研究所有其他变量与它们之间的关系。在数据研究过程中，发现另一个分类列manufacturer (所有值都来自set {H, S, J, K} )与标签engine_longevity有很强的相关性，以至于在给定样本中选择H、S、J、K本质上决定了标签

浏览 0提问于2020-04-17得票数 3

1回答

MultiLabelBinarizer的替代方案

machine-learning、classification、categorical-data

在对ML分类的数据进行预处理时，有很多关于如何处理分类变量的信息。但是，我找不到任何关于如何处理分类变量的反馈，其中每个样本可以属于多个标签。因此，这种方法有什么可供选择的。类似于基于目标的编码器(例如。CatBoost)

浏览 0提问于2019-07-15得票数 1

1回答

如何对R中的范畴变量和连续变量进行潜剖面分析？

我有4个连续变量(男性，女性，伴侣的男性气质，伴侣的女性气质)和2个分类变量(性别认同，伴侣的性别认同)，我想执行一个LPA。在我的阅读资料中，似乎可以对LPA同时使用分类指标和连续指示器，但我还没有找到实际使用LPA的资源。我尝试使用包tidyLPA，但它不允许我指定哪些变量是绝对的。我是否正确地假设LPA既可用于分类指标，也可用于连续指标？谢谢!

浏览 2提问于2020-06-04得票数 0

1回答

logistic回归中的LinAlgError奇异矩阵

python、pandas、logistic-regression、statsmodels

我正在尝试实现逻辑回归模型，但当我试图打印结果时，我得到了一个错误，我已经查找并试图找出如何解决，但无法解决。

浏览 2提问于2020-10-16得票数 1

点击加载更多