一种热编码相关性和决策树

Question

关于准备学习数据，我有几个问题。 当我想使用 for 相关性和分类器决策树时，我对如何将列转换为分类列和二元列感到非常困惑。

例如在 NBA_df 中，将位置列转换为分类列以使用决策树，我可以使用.astype('category').cat.codes 将其转换为分类列吗？ （我知道在篮球运动中，您可以通过数字 1-5 来记录位置。 NBA_df

在students_df 中，为什么将“性别”、“种族/民族”、“午餐”、“备考课程”列转换为带有.get_dummies 的新二进制列而不是在同一列？ students_df

相关性和树是一样的吗？

Answer 1

我不确定我完全理解转换为“在同一列中”的分类是什么意思，但我假设您的意思是将位置的分类响应替换为数字 1 到 5 并将这些数字保留在同一列中。

假设这是您的意思，您必须考虑计算机将如何解释输入。小前锋（篮球中的3号位）是控球后卫（1 * 3）的3倍吗？当然不是，但是计算机会这样看。它将确定与目标的不现实关系。出于这个原因，您需要使用像 .get_dummies 这样的二进制指标的单独列。这样，计算机将不会将位置视为可操作的数值，而是将位置视为单独的实体。