Machine learning 机器学习中的标称值数据集

与实数或布尔值相比，使用标称值作为机器学习的特征向量子集的最佳方法是什么

我是否应该将每个标称值映射到实际值

例如，如果我想让我的程序学习web服务用户的预测模型，其输入功能可能包括

{性别（布尔值）、年龄（真实值）、工作（名义值）}

其中因变量可能是网站登录次数

可变作业可能是以下作业之一：

{程序员、艺术家、公务员……}

---

我是否应该将程序员映射到0，将艺术家映射到1等等？

如果需要，请执行一次热编码

---

如果您的数据具有分类属性，建议您使用一种算法，该算法可以很好地处理此类数据，而无需进行编码，例如决策树和随机森林。

如果您阅读了《带火花的机器学习》一书，作者 写道

---

范畴特征

分类特征不能作为原始形式的输入，因为它们不是 数量；相反，它们是变量可以接受的一组可能值的成员。在前面提到的示例中，用户职业是一个分类变量，可以表示student、programmer等的值

:

要将分类变量转换为数值表示，我们可以使用 常见的方法称为1-of-k编码。一种方法，例如k中的1编码 需要以对机器有意义的方式表示标称变量 学习任务。序数变量可能以原始形式使用，但通常是 以与标称变量相同的方式编码

:

---

我也有同样的想法

我认为，如果有一个有意义的（精心设计的）转换函数可以将分类（名义）值映射到实际值，我也可以使用只接受数值向量的学习算法

事实上，我做过一些项目，我必须这样做 没有就学习系统的绩效提出任何问题

有人投票反对我的问题，

---

请取消评估。

没有内在的理由将类别编码为机器学习算法的数字。此外，数字的顺序可能会让你或其他人感到困惑，以为它有某种意义。在下列问题中，请尝试更仔细地设置格式。谢谢您的建议。在考虑分类属性时，我可以不将基于神经网络的算法应用于我的问题吗？我可能应该使用决策树而不是神经网络。但我怀疑将实际值映射到分类特征可能会导致相关性错误近似值。例如，将0映射到教师，将10映射到程序员可能会产生错误的假设，即作业和权重相互关联。