Python 此数据集是否需要一个热编码？

下面是UCI数据存储库中的数据集。我想建立一个回归模型，将血小板计数作为因变量，其余作为特征/输入

然而，在数字形式的数据集中，很少有分类变量，如贫血、性别、吸烟和死亡事件

我的问题是：

在建立回归模型之前，我应该对这些变量执行“一次热编码”吗？ 此外，我观察到这些值在不同的范围内，所以我是否应该在应用回归模型之前缩放数据集？ 1.在建立回归模型之前，我是否应该对这些变量执行“一次热编码”

是的，你应该对分类变量进行热编码。您可以像下面这样使用：

columns_to_category = ['sex', 'smoking','DEATH_EVENT']
df[columns_to_category] = df[columns_to_category].astype('category') # change datetypes to category
df = pd.get_dummies(df, columns=columns_to_category) # One hot encoding the categories

2.如果是这样，仅一个热编码就足够了，或者我应该执行偶数编码吗 标签编码

我想一个热编码就足够了

3.此外，我观察到这些值在不同的范围内，因此我是否应该在应用回归模型之前缩放数据集

是的，您可以使用StandardScaler或MinMaxScaler获得更好的结果，然后反向缩放预测。此外，请确保您单独缩放测试和训练，而不是合并，因为在现实生活中，您的测试将无法实现，因此您需要相应地缩放以避免此类错误

1.在建立回归模型之前，我是否应该对这些变量执行“一次热编码”

是的，你应该对分类变量进行热编码。您可以像下面这样使用：

columns_to_category = ['sex', 'smoking','DEATH_EVENT']
df[columns_to_category] = df[columns_to_category].astype('category') # change datetypes to category
df = pd.get_dummies(df, columns=columns_to_category) # One hot encoding the categories

2.如果是这样，仅一个热编码就足够了，或者我应该执行偶数编码吗 标签编码

我想一个热编码就足够了

3.此外，我观察到这些值在不同的范围内，因此我是否应该在应用回归模型之前缩放数据集

---

是的，您可以使用StandardScaler或MinMaxScaler获得更好的结果，然后反向缩放预测。此外，请确保您单独缩放测试和训练，而不是合并，因为在现实生活中，您的测试将无法实现，因此您需要相应地缩放以避免此类错误。

您不必使用一个热编码，因为这些列已经有了数值。虽然如果这些数值实际上是string而不是int或float，那么您应该对它们使用一种热编码。关于缩放数据，差异是相当大的，因此您应该缩放它以避免回归模型偏向于高值。

您不必使用一个热编码，因为这些列已经有了数值。虽然如果这些数值实际上是string而不是int或float，那么您应该对它们使用一种热编码。关于缩放数据，变化是相当大的，因此您应该缩放它以避免回归模型偏向于高值。

如果这些是真正的二进制类别，您不必进行一次热编码。它们已经被编码了。

如果这些是真正的二进制类别，你不需要一个热编码。它们已经被编码了。

在我看来，即使这些列是数字列，这里也需要一个热编码，因为数字值并不代表任何信息1和0，只是一个类别变量，并不意味着什么。因此，如果该值意义不大，那么预测器就不会真正利用它。它们实际上代表一个人是否患有贫血，或者一个人是否患有糖尿病，如果一个人吸烟与否等等。这些列已经编码。get_dummies函数的作用是为分类字符串数据分配一个二进制0,1值。它将分类字符串值编码为二进制值。当值已经是二进制编码时，使用一个热编码是没有用的。正如我提到的，如果这些数值实际上是字符串，则应该对其进行编码。虽然这样做不会有什么坏处，但在我看来，这不是必须的，即使这些列是数字列，这里也需要一个热编码，因为数字值并不代表任何信息1和0，只是一个类别变量，并不意味着什么。因此，如果该值意义不大，那么预测器就不会真正利用它。它们实际上代表一个人是否患有贫血，或者一个人是否患有糖尿病，如果一个人吸烟与否等等。这些列已经编码。get_dummies函数的作用是为分类字符串数据分配一个二进制0,1值。它将分类字符串值编码为二进制值。当值已经是二进制编码时，使用一个热编码是没有用的。正如我提到的，如果这些数值实际上是字符串，则应该对其进行编码。尽管仍然这样做不会有任何坏处，但这不是必需的。从您的数据样本来看，贫血、性和吸烟的值似乎只有0和1。如果是这种情况，则不必执行一次热编码 看起来贫血、性和吸烟的值只有0和1。如果是这种情况，则不必执行一次热编码。