Python 虚拟变量，是否有必要对其进行标准化？

我将以下数据集表示为

numpy

array

direccion_viento_pos

    Out[32]:

    array([['S'],
           ['S'],
           ['S'],
           ...,
           ['SO'],
           ['NO'],
           ['SO']], dtype=object)

此数组的维数为：

direccion_viento_pos.shape
(17249, 8)

我正在使用python和scikit学习以这种方式编码这些分类变量：

from __future__ import unicode_literals
import pandas as pd
import numpy as np
# from sklearn import preprocessing
# from matplotlib import pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

direccion_viento_pos[:, 0]
array([5, 5, 5, ..., 7, 3, 7], dtype=object)

然后我创建一个标签编码器对象：

labelencoder_direccion_viento_pos = LabelEncoder() 

我采用

direccion\u viento\u pos

的列位置0（唯一列），并应用

fit\u transform（）

方法寻址所有行：

 direccion_viento_pos[:, 0] = labelencoder_direccion_viento_pos.fit_transform(direccion_viento_pos[:, 0]) 

我的

direccion\u viento\u pos

是这样的：

from __future__ import unicode_literals
import pandas as pd
import numpy as np
# from sklearn import preprocessing
# from matplotlib import pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import LabelEncoder, OneHotEncoder

direccion_viento_pos[:, 0]
array([5, 5, 5, ..., 7, 3, 7], dtype=object)

在此之前，

direccion\u viento\u pos

的每一行/观察值都有一个数值，但我想解决权重带来的不便，因为有些行的值高于其他行

因此，我创建了虚拟变量，它们是：

虚拟变量或指标变量是一种人工变量，用于表示具有两个或多个不同类别/级别的属性

然后，在我的

direccion\u viento\u pos

上下文中，我有8个值

• SO

  -奥斯特河畔

• SE

  -东南海岸

• S

  -Sur

• N

  -Norte

• 否

  -也不是oeste

• NE

  -也不

• O

  -Oeste

• E

  -Este

这意味着，8个类别。 接下来，我使用

categorical\u features

属性创建一个对象，该属性指定哪些特征将被视为分类变量

onehotcoder=onehotcoder（分类功能=[0]）

并将此

onehotencoder

应用于我们的

direccion\u viento\u pos

矩阵

direccion\u viento\u pos=onehotcoder.fit\u transform（direccion\u viento\u pos.toarray（）

我的

direccion\u viento\u pos

及其分类变量保持不变：

direccion_viento_pos

array([[0., 0., 0., ..., 1., 0., 0.],
       [0., 0., 0., ..., 1., 0., 0.],
       [0., 0., 0., ..., 1., 0., 0.],
       ...,
       [0., 0., 0., ..., 0., 0., 1.],
       [0., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 1.]])

然后，直到这里，我已经为每个类别创建了虚拟变量

我想讲述这个过程，来回答我的问题

如果这些虚拟编码器变量已经在0-1范围内，是否需要应用MinMaxScaler功能缩放

有人说，没有必要对这些虚构的变量进行缩放。其他人说，如果有必要，因为我们希望预测准确

我问这个问题是因为当我使用

功能应用
MinMaxScaler
时，范围=（0，1）

我的价值观在某些位置发生了变化。。。尽管如此，我们仍然要保持这种规模

---

就我的数据集而言，我必须选择的最佳选项是什么？我不认为缩放它们会改变答案。他们已经在同一个尺度上了。最小0，最大1，范围1。如果存在一些连续变量，您可能只希望规范化连续变量，而不考虑伪变量。您可以使用最小-最大定标器为这些连续变量指定相同的最小值0、最大值1、范围1。那么你的回归斜率就很容易解释了。您的虚拟变量已经规范化

这里有一个问题，人们是否应该标准化二进制变量

年，我收到了关于它的介绍。使用

LabelEncoder

和使用

onehotcoder

之间存在差异，在我上面的问题中，我一起使用，得到了预期的结果，即编码（使用

LabelEncoder

）和分类（使用

onehotcoder

）将这些值视为分类值，以避免与这些值相关的权重不方便。但是，有一个函数：>将分类变量转换为虚拟/指标变量。。无需应用

LabelEncoder

和

onehotcoder

即可进行此操作。它的效率更高。