关于数据转换的问题

Question

老师，问您个问题，在拟合幸福指数的模型中，有个变量是出生省市，准备先用逻辑回归，我考虑如果不对省市进行one-hot转换的话，把各省市按照对应的幸福指数均值从小到大将变量从新赋值为1，2，3…这样，但又觉得这样不妥，这相当于人为把这个变量加工成显著的变量了，但转one-hot编码相当于生成了31个变量，不知道您怎么看？

Answer 1

liuyubobobo 2019-07-31 01:18:12

应该使用one-hot。

使用1，2，3... 这样编码的方式，还有一个问题，就是相当于默认省市之间有大小关系，这和这个特征实际表达的语义不符。

比如，风险级别：低，中，高；或者距离地铁远近：步行可达；自行车可达；公交可达，等等，这类类别特征，特征可选项之间，有“序”的关系，更适合用数值编码，而不用 one-hot。

继续加油！：）

• 提问者 weixin_慕少409219 #1

  非常感谢！