是否可以将输入设置为“0”；套索“；python中是否包含分类变量？

我想用lasso在python中执行多元线性回归。我不确定输入观察矩阵X是否可以包含分类变量。我在这里阅读了说明：

但它很简单，并没有指明允许的类型。例如，我的代码包括：

model = Lasso(fit_intercept=False, alpha=0.01)
model.fit(X, y)

---

在上面的代码中，

X

是一个大小为n-X-p的观察矩阵，其中一个p变量可以是分类类型吗？

您需要使用1和0表示分类变量。如果您的分类变量是二进制的，这意味着每个变量都属于两个类别中的一个，那么您可以将所有类别A和B变量分别替换为0和1。如果某些类别有两个以上，则需要使用

---

我通常将数据放在Pandas数据框中，在这种情况下，我使用

houses=pd.get_dummies（houses）

，这将创建虚拟变量

您需要使用1和0表示分类变量。如果您的分类变量是二进制的，这意味着每个变量都属于两个类别中的一个，那么您可以将所有类别A和B变量分别替换为0和1。如果某些类别有两个以上，则需要使用

---

我通常将数据放在Pandas数据框中，在这种情况下，我使用

houses=pd.get_dummies（houses）

，这将创建虚拟变量

前面的海报对此给出了很好的答案，您需要对分类变量进行编码。标准方法是一种热编码（或虚拟编码），但有很多方法可以实现这一点

这是一个很好的库，它有许多不同的方法可以对分类变量进行编码。这些工具也用于Sci工具包学习

---

前面的海报对此给出了很好的答案，您需要对分类变量进行编码。标准方法是一种热编码（或虚拟编码），但有很多方法可以实现这一点

这是一个很好的库，它有许多不同的方法可以对分类变量进行编码。这些工具也用于Sci工具包学习

---

不，不仅仅是套索，整个sklearn不支持fit（）中的分类变量，predict（）函数如果要使用分类功能，请尝试使用

sklearn

模块的

OneHotEncoder

将它们编码为数值，不，不仅仅是套索，整个sklearn不支持fit（）中的分类变量，predict（）功能如果要使用分类功能，请尝试使用

sklearn

的

onehotcoder

模块将其编码为数值，