我计划将数据用于包含二进制值 BUY/SELL 的列的聚类问题。
我是否应该转换此属性并为其分配二进制值（BUY=1，SELL=0），并将其保留在同一列上，从而减少数字维度
或者
对属性进行热编码（添加两列 BUY 和 SELL 并将 1 放在相应的列上）？
这两种名义到数值转换的方法如何影响流行聚类算法的最终模型（K均值，分层等......）
聚类时二进制属性的热编码与二进制编码
数据挖掘
聚类
无监督学习
2022-03-06 13:31:14
2个回答
你的情况差别不大。差异仅在 1 个维度上，影响不大。我可以补充的唯一一点是，如果 BUY 和 SELL 值的数量不同，您可以将它们替换为它们的频率，即如果 40% BUY 和 60% SELL，则将 BUY 替换为 0.4 并将 SELL 替换为 0.6
如果一个值比另一个值具有更高的优先级，那么您可以使用二进制编码。ex) 如果值基于教育水平，您可以将 0 分配给学校教育水平，将 1 分配给大学水平教育。
如果这些值没有任何算术依赖性，那么您需要进行 one-hot 编码。
在您的情况下，热编码更好。
编辑：如果我们只有两个值，二进制编码或热编码都可以。此编辑基于@beamsadept 的评论。
其它你可能感兴趣的问题