老师，国家分类可以用0，1，2，3...这样的数字表示吗？

Question

老师您好，我是一名爬虫工程师，想分析一下我采集下来的网红数据，可是国家这样的无序分类变量不知道怎样提取特征，可以将美国直接写成0，英国写成1，加拿大写成2这样带入机器学习算法中吗？

Answer 1

liuyubobobo 2019-08-27 01:46:32

可以。但是不够好。

因为使用0，1，2 ... 这样的数据，默认了一种“序”的关系。更适合于比如：

危险等级，信用等级：低，中，高；

距离地铁的距离：步行可达；自行车可达；需要使用其他交通工具可达；

等等这样的分类变量。

但是，国家这样的的属性，是没有这样的“序”的，所以更好的方式是使用 one-hot 编码。在网上搜索一下 one-hot 编码自学一下，很简单的。

可以参考这个问答：http://coding.imooc.com/learn/questiondetail/134266.html

继续加油！：）

• 提问者 ZzzZHH #1

  非常感谢！

• 提问者 ZzzZHH #2

  可是又出现新问题了，我将其中的4用One Hot表示成[0. 0. 0. 0. 1. 0.]，怎么塞回原数据中？
  X=np.array([[100000,0.09,4],[200000,0.08,3]]转换成
  X=np.array([[100000,0.09,0,0,0,0,1,0],[200000,0.08,0,0,0,1,0,0]这样吗？
  辛苦老师

• liuyubobobo 回复 提问者 ZzzZHH #3

  什么叫塞回原数据？不塞回。变换成的新的数据使你真正要使用的，用于后续预测的特征数据。这就像我们做多项式回归，做完了以后的数据是我们真正要使用的数据。

点开查看后面1条评论