处理回归问题中分类变量的最佳方法 - python答案

【问题标题】：Best way to deal with categorical variables in regression problem - python处理回归问题中分类变量的最佳方法 - python
【发布时间】：2020-08-30 15:28:12
【问题描述】：

我不确定在回归问题中处理分类变量的最有效方法是什么。

我的桌子看起来像：

Date        Category    Sales

1/1/2018     Shoes       200

1/2/2018     Shoes       300

1/1/2018     home        100

我正在处理的问题是销售预测。

处理“类别”列的最佳方法是什么？得到假人或标签编码器？我使用了标签编码器，然后是标准缩放器，但我的拟合效果很差。之后，我缩放了所有输入（date, category），y variable (Sales). 除外

【问题讨论】：

假人/标签编码器是常用的方式
One-Hot Encoding 是一种解决方案。
您不应该使用 LabelEncoder。见LabelEncoder for categorical features?。您应该使用 OneHot 编码器，或者如果基数很大，您可以查看贝叶斯编码器。见this other answer

标签： python pandas machine-learning regression

【解决方案1】：

不推荐使用标签编码器。

如果数据的基数很高，则进行目标编码，否则您可以尝试单热编码和目标编码。

使用目标编码进行时间序列预测的示例笔记本：https://www.kaggle.com/avvinci/time-series-forecasting-beginners [单元格 21]

有关目标编码的更多信息：https://maxhalford.github.io/blog/target-encoding/

这里有关于分类变量的好教程：https://www.coursera.org/learn/competitive-data-science#syllabus [部分：关于模型的特征预处理和生成，第三个视频]

【讨论】：