Python/Scikitlearn中的分類變量沒有一次性編碼

Question

在Python/Scikit-learn GLM模型中是否可以像使用分類變量那樣使用分類變量？我確實意識到單熱編碼的另一種選擇。我對這種方法的問題是，我將無法測試整個變量的重要性。我只能測試編碼變量（這是部分的）。

爲什麼SAS可以處理這樣的變量而不是Python？請指教。

Answer 1

它實際上取決於您擁有的數據。例如，如果您可以爲分類變量（序號值）指定某種順序，如low,medium和high，則可以將它們分配爲像1,2和3那樣的編號。但是，如果沒有順序，它會變得有點棘手任何。除了單獨編碼，您可以嘗試Helmert Coding Scheme。您還可以閱讀this blog post以獲取更多分析。也有sklearn其他各種編碼方案分類變量：

• Sum Coding
• Polynomial Coding
• Backward Difference Coding

你可以閱讀更多關於其他Categorical Encoders in Sklearn here。