Scikit-learn中逻辑回归的编码方式
Encoding method of Logistic Regression in Scikit-learn
我正在尝试使用逻辑回归通过 Scikit-learn 工具做一些预测任务。
她的是我任务的两个示例特征：
特征1(男人，女人，未知)---分类变量
特征2(点击次数)---连续变量
当我将数据输入逻辑回归时，我不确定如何编码特征。
我应该使用1、2和3来表示分类变量男人、女人和未知，还是使用 (1, 0, 0), (0, 1, 0), (0, 0, 1) 在我使用 Scikit-learn 的逻辑回归时代表它们？那么连续变量呢？
功能 2 您应该保留它。
功能 1 有点棘手。处理缺失数据时，您可以删除整行或尝试将值归因于特征。我建议您阅读 Scikit-Learn 文档中的 Imputing missing values before building an estimator。这将向您展示一个输入数据并测试您的预测是否正在改进的示例。如果您估算数据，请尝试为包含估算数据的行添加虚拟变量，我过去已成功应用此规范。
我正在尝试使用逻辑回归通过 Scikit-learn 工具做一些预测任务。
她的是我任务的两个示例特征：
特征1(男人，女人，未知)---分类变量
特征2(点击次数)---连续变量
当我将数据输入逻辑回归时，我不确定如何编码特征。
我应该使用1、2和3来表示分类变量男人、女人和未知，还是使用 (1, 0, 0), (0, 1, 0), (0, 0, 1) 在我使用 Scikit-learn 的逻辑回归时代表它们？那么连续变量呢？
功能 2 您应该保留它。
功能 1 有点棘手。处理缺失数据时，您可以删除整行或尝试将值归因于特征。我建议您阅读 Scikit-Learn 文档中的 Imputing missing values before building an estimator。这将向您展示一个输入数据并测试您的预测是否正在改进的示例。如果您估算数据，请尝试为包含估算数据的行添加虚拟变量，我过去已成功应用此规范。