关于5-14 HR表特征预处理中，对离散变量的处理
来源：6-7 分类-集成-随机森林
慕瓜7596423
2018-09-29
老师您好，对离散变量的处理（如department）您给了2种方法，label encoding和one hot，one hot没问题，但label encoding只是把该离散变量的不同水平对应给了不同的数字，这样会使这个变量变成连续变量，会添加额外的信息在里面（原本这个变量不具有“排序”的信息）。这样的变量放入随机森林中，某次按照该变量切分样本的时候，就会按照连续变量切分，这样是否有问题？因为department根本来说是离散的，不具有排序/大小这样的信息。
写回答
1回答
-
同学你好，你说得没错，对于定类数据来说，one-hot确实更合理，label encoding也确实加入了更多信息。hr例子里，用one hot更合理，这个没错，label encoding是希望大家记住有这么个变换。需要留意一点的是，有些模型（如不剪枝的决策树），二者变换后最后的效果是一致的。
112018-10-08
相似问题