编码
- 编码或者连续化处理是把分类变量转火车数值副本的过程。譬如，处理性别时，男的定为1，女的定为0.分类变量在许多模型方法中(譬如，线性回归，SVM，神经网络)必须进行编码。两种主要的编码类型是二进制编码和基于目标的编码。
二进制编码(Binary Encoding)
- 通过用0或者1来表示每个类别不存在或者存在是分类变量量化的一个方法。如果分类变量有k个分类，那么我们需要创建k个二进制变量(理论上来说，k-1个就已经足够了)。在下面的例子中，带3个值得分类变量“Trend”转换成3个分离的二进制数值变量。这中方法最大的缺点是当分类变量有很多个值得时候，数据的维度会大大增加。
基于目标的编码(Target-based Encoding)
- 基于目标的编码是通过目标来对分类变量量化。在这个方法中，我们把一个分类变量替换成一个数值变量，然后再计算该分类变量出现的目标概率(如果是分类的)或者平均值(如果是数值的)。这个方法的最大缺点是它比较依赖目标的分布，而且和二进制方法相比，它的预测能力比较低。
- 例1
-
用基于目标的编码处理分类目标。
例2
- 用基于目标的编码处理数值目标。