Python中处理标称变量的不同方法

因此，我对Python相当陌生，我正在尝试使用

sklearn

包中的

DecisionTreeClassifier（）

函数。问题是，我有（大部分）标称变量，

DecisionTreeClassifier（）

无法处理。在

R

（我很熟悉），通过将变量设置为factors（

as.factor（）

）可以很容易地解决这个问题，回归函数会自动创建虚拟变量并删除一个虚拟参考变量。为此，我使用了

pandas.get_dummies（）

函数，该函数不会删除因子变量的“参考”级别

---

这是否会导致

DecisionTreeClassifier（）函数出现任何问题？有更好的方法吗？谢谢。
您可以将
drop\u first
参数设置为
True

    pandas.get_dummies(df, drop_first=True)    # df is your DataFrame

这将创建
k-1
伪变量，而不是
k

根据数据的不同，决策树分类器可能仍然使用
k
伪变量运行，但通常最好使用
k-1
以避免多重共线变量。这就是我们所知道的