Python/Scikitlearn中的分类变量没有一次性编码

Question

在Python/Scikit-learn GLM模型中是否可以像使用分类变量那样使用分类变量？我确实意识到单热编码的另一种选择。我对这种方法的问题是，我将无法测试整个变量的重要性。我只能测试编码变量（这是部分的）。

为什么SAS可以处理这样的变量而不是Python？请指教。

Answer 1

它实际上取决于您拥有的数据。例如，如果您可以为分类变量（序号值）指定某种顺序，如low,medium和high，则可以将它们分配为像1,2和3那样的编号。但是，如果没有顺序，它会变得有点棘手任何。除了单独编码，您可以尝试Helmert Coding Scheme。您还可以阅读this blog post以获取更多分析。也有sklearn其他各种编码方案分类变量：

• Sum Coding
• Polynomial Coding
• Backward Difference Coding

你可以阅读更多关于其他Categorical Encoders in Sklearn here。