线性回归中经常会遇到非数值型数据，即分类型数据，比如性别、所属省份、专业类型等等
分类型数据无法量化，一般会采用哑数据进行处理
如某个数据分为A、B、C三类，即可采用两个哑数据a，b
类型为A时，a=1,b=0
类型为B时，a=0,b=1
类型为C时，a=0,b=0
不使用a,b,c三个哑数据，是因为如果哑数据个数与分类数相同时，恒有a+b+c=1，会存在多重共线性问题
所以在N分类时，一般使用N-1个哑数据
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
机器学习实战笔记-预测数值型数据:回归
机器学习（回归预测数值型数据）
数据处理笔记---非线性回归模型
Alink漫谈(十) ：线性回归实现 之 数据预处理
机器学习sklearn（六）： 数据处理（三）数值型数据处理（一）归一化( MinMaxScaler/MaxAbsScaler)
数据预处理-处理分类型特征：编码（LabelEncoder、OrdinalEncoder-字符型变量数值化
线性回归-如何对数据进行回归分析
Python数据挖掘—回归—线性回归
pandas将非数值型特征转化为数值型（one-hot编码）
数据预处理 | 使用 sklearn.preprocessing.OrdinalEncoder 将分类特征转换为数值型