我们知道，在处理非序数数据时，我们更喜欢使用One-Hot Encoding而不是Label Encoding 。
我真的有一个博客，它给出了Label Encoding和One-Hot Encoding之间的区别。
所以我想知道为什么One-Hot Encoder可以避免模型将数据误解为某种顺序的情况，如果数据已经标签编码。
它有一些证明和理论吗？
或者任何人都可以凭直觉解释。
提前致谢。
为什么 One-Hot Encoder 可以避免数据经过 Label Encoding 后模型会误认为数据是某种顺序的情况
数据挖掘
机器学习
数据
数据分析
编码
2022-02-08 13:05:30
2个回答
在博客中，一种热编码通过明确显示 1 个类别为真，而所有其他类别为假（1 对 0）来解决该问题。一列变成三列，将所有类别描述为真或假。
与让模型看到包含 0、1 和 2 的一列相反。用标签编码显示此数据的一列确实使数据看起来像是数字的，因此 0 < 1 < 2。
好问题！
这可能会有所帮助：
假设您有三个国家：美国、德国和中国。没有排名。
标签编码将国家变成数字。
例如，1（美国）、2（德国）和 3（中国）。
如果您不使用 One Hot Encode，则该理论指出（来源：Sebastian Raschka “Machine Learning with Python”），您创建了序数。
换句话说，美国比德国好，德国比中国好。
由于您没有排名（顺序），因此您不希望这样做。因此，我们 One Hot Encode。
就个人而言，我已经对此进行了多次测试，并且仅使用逻辑回归进行了标签编码（不是排名特征），并且没有看到差异。但我只做过几次。而且，如果像 Sebastian Raschka 这样的 ML 专家说我们应该对非序数数值数据进行 One Hot Encode，我不相信他。
其它你可能感兴趣的问题