将分类数据输入分类器答案

【问题标题】：feeding categorical data to classifier将分类数据输入分类器
【发布时间】：2015-12-31 11:11:39
【问题描述】：

假设我有以下格式的数据集：

col1    col2     col3      col4         col5 (to be predicted)
12      13       4         primary      12 
1       15       2         secondary    13
5       7        8         primary      18
14      12       44        college      6

一些测试数据需要使用col1、col2、col3和col4来预测col5

在训练期间，可以将 col1、col2、col3 以数组形式提供给分类器，但如何提供 col4。我知道这是分类的，需要转换为数字类型，但即使分配了一些数字，它仍将保持为名义类型。

所以如果primary=1、secondary=2 和college=3，则数字1,2 和3 无法根据大小进行比较，因为它们仍然像标签一样，没有数字意义。

那么在这一步之后我应该如何进行......它们应该被标准化吗？还是应该做进一步的事情？

【问题讨论】：

标签： machine-learning dataset classification data-analysis categorical-data

【解决方案1】：

在这种情况下，您应该使用 One Hot Encoding。每个可能的分类值都会创建新的二元特征。

One Hot Encoding for Machine learning

【讨论】：

@Ologin 但如果分类特征的值的数量很大，那么我将不得不在数据集中添加那么多列。这不会增加分类器的复杂性吗？
是的，你应该添加所有的二进制值，是的，它会增加分类器的复杂性，但如果你有足够的数据，这应该不是问题。此外，您可以以某种方式压缩特征空间，例如使用 FeatureHashing。