我有一个带有“状态名称”的分类列。我不确定必须执行哪种类型的分类编码才能将其转换为数字类型。
有83个唯一的州名。
标签编码器用于序数分类变量，但由于有83个唯一的州名称，因此OneHot将增加列数。
还有什么我可以尝试的吗？
我将使用scikit的OneHotEncoder（https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html）或CategoricalEncoder，其编码设置为“ onehot”。它会自动找到每个功能的唯一值并将其处理为一个热向量。它确实增加了该功能的输入维数，但是如果您要进行任何类型的数据科学工作，则这是必需的。如果将特征转换为序数整数（即仅一个整数），而不是二进制值向量，则算法可能会在两个（可能是完全分开的）分类值之间得出错误结论，而这两个分类值恰好在分类空间中很接近。