如何将一个或多个分类变量编码为一个特征

Question

我正在尝试根据我拥有的一些分类数据训练机器学习模型，但我不确定如何对其进行编码。如果我有如下表，编码“var_3”的最佳方法是什么？

| var_1 | var_2 | var_3                                             |
|-------|-------|---------------------------------------------------|
| 32    | 0     | 'attribute_1'                                     |
| 15    | 1     | 'attribute_1,attribute_2,attribute_3,attribute_4' |

将每个“属性”单独编码为一个整数是否是个好主意？像下面这样：

| var_1 | var_2 | var_3 |
|-------|-------|-------|
| 32    | 0     | 1     |
| 15    | 1     | 1234  |

或者将每个可能的属性组合编码成一个整数更好？

Answer 1

您可以尝试将 var_3 中的每个属性编码为二进制列。所以：

   var1  var_2                            var_3   attr_1  attr_2  attr_3  attr_4
0    32      0                          'attr_1'       1       0       0       0
1    15      1  'attr_1, attr_2, attr_3, attr_4'       1       1       1       1

并在将数据框提供给模型之前删除var_3。