Python/Scikitlearn 中的分类变量，没有 one-hot 编码

Question

是否可以在 Python/Scikit-learn GLM 模型中按原样使用分类变量？我确实实现了单热编码的替代方案。我对这种方法的问题是我将无法测试整个变量的重要性。我只能测试编码的变量（这是部分的）。

为什么 SAS 可以处理这样的变量而不是 Python？请指教。

Answer 1

这实际上取决于您拥有的数据。例如，如果您可以为分类变量（Ordinal Values）分配某种顺序，例如low、medium 和high，您可以为它们分配数字，例如 1、2 和 3。但是，它会变得有点如果没有任何订单，那就更棘手了。除了 One-hot Encoding，你可以试试Helmert Coding Scheme。您也可以阅读this blog post 进行更多分析。 sklearn 中还有其他各种用于分类变量的编码方案：

• Sum Coding
• Polynomial Coding
• Backward Difference Coding

你可以阅读更多关于其他Categorical Encoders in Sklearn here的信息。