Label Encoding与One Hot Encoding的区别

港控/mmm° 2023-01-20 15:56 1阅读 0赞

在机器学习中，通常需要对分类型变量做一些处理，常用的方法有两种：label encoding和one hot encoding。

## 一.分类变量的特点 ##

常见的分类变量有两种：

1.比如分类型变量男女

性别特征无层次高低关系，因此此种类型的变量更加适合进行one-hot-encoding。

2.比如小学、初中、高中、大学

上学时期存在明显的高低层次关系，大学 > 高中 > 初中 > 小学，存在明显递进关系时，使用label-encoding更为合适。

## 二、无层次关系型变量 ##

1.对于无层次关系型变量，最好做one hot encoding。

具体实现方式：

进行one-hot编码：
    
    数据框：df_all   列名：MKT_STAR_GRADE_NAME
    
    使用pandas中的get_dummies函数。
    
    #先生成一个空的数据框
    
    ContractDF=pd.DataFrame()
    
    #执行one-hot编码
    
    ->> df_all['MKT_STAR_GRADE_NAME'] :对哪列执行one-hot
    
    ->> prefix='MKT_STAR_GRADE_NAME' :one-hot列名前缀。
    ContractDF=pd.get_dummies(df_all['MKT_STAR_GRADE_NAME'],prefix='MKT_STAR_GRADE_NAME')
    ContractDF.head()

## ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70][] ##

## 三、含层次关系型变量 ##

1.对于含层次关系型变量，最好采用Label Encoding。

->>使用map()函数进行替换。
    '''对客户是否流失进行分类定义'''
    mapDict={'小学':1,'初中':2, '高中':3, '大学':4, }
    full['xl']=full['xl'].map(mapDict)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70]: /images/20221021/d69798c944594a7ebdc998ea4135c92a.png