Python sklearn树在拆分期间将分类变量视为浮点变量，我应该如何解决这个问题？

我在使用sklearn软件包时遇到了回归树问题。这是关于一本书的数据集，其中的回归树如下所示：

问题出在

STORY\u语言

变量中。这是一个值为0、1、2和3的分类变量，它们都对应于本书的不同语言。在运行模型之前，我已经确保

STORY\u LANGUAGE

是一个分类变量，但树仍然将其拆分并将其视为浮点（1.5）

---

我应该如何解决这个问题？感谢您的帮助

通过将整数列表作为特性传递给scikit learn，您告诉它特性之间存在某种排序依赖关系。例如

0

与

1

的关系比与

2

的关系更密切。要解决这个问题，您需要使用内置的热编码。如果您有三个类别，

0

、

1

和

2

，则

0

将转换为

[1,0,0]

，而

1

将转换为

[0,1,0]

。基本上，您的一个特征被替换为一个向量，该向量在对应于其类别的位置处等于

1

，否则等于

0

import numpy as np
from sklearn.preprocessing import OneHotEncoder

# Generate random integers between 0 and 2
x = np.random.randint(0,3, size=(100,1))
# Create the one-hot encoder object, specifying not to use sparse arrays.
m = OneHotEncoder(sparse=False)
# Transform your features
x_one_hot = m.fit_transform(x)

---

如果您使用的是sklearn的DecisionTreeGressor，则标签编码的特征将被简单地视为数字特征。如果希望将它们视为类别，则可以执行一次热编码（例如使用）或使用支持开箱即用分类功能的算法（例如lightGBM）