我正在尝试建立一个线性回归模型，但我的一些特征不是数字的，例如“汽车颜色”，而其他的是例如“发动机尺寸”。在非数字情况下，我不确定在添加为输入特征时如何表示。我能想到的唯一方法是用不同的值表示每种颜色，例如（红色= 1，蓝色= 2，绿色= 3 ...）但这似乎不可接受，因为这意味着绿色是“比红色更好。
任何人都可以帮忙......我正在用Java实现这个，所以我很欣赏用这种语言表达的算法或独立于语言的算法。
问问题
2240 次
1 回答
9
一种方法是使用虚拟编码，另一种技术是效果编码。
请参阅这篇文章了解更多详细信息，我认为作者的解释比我在这里可以做的更好。
回归模型中的分类变量编码：Resmi Gupta 的虚拟和效果编码
我想这个解决方案将属于您的语言独立类别；）
对汽车颜色进行编码（我假设汽车颜色只能取 3 个值：红色、蓝色、绿色）
您可以按如下方式对其进行编码：
Color Dummy_Var_One Dummy_Var_Two
Red 1 0
Blue 0 1
Green 0 0
在上表Green中将成为参考水平。在您的情况下，如果您的颜色n取值，您将需要包含n-1虚拟变量。
可以在Weka过滤器NominalToBinary中找到 Java 中的实现，尽管这将为类别创建n变量。n
于 2012-07-29T14:24:39.963 回答