处理多元线性回归Python中的分类和数值变量

Posted 2021-03-27

所以我已经使用sklearn中的LinearRegression在Python中执行了多元线性回归。

我的自变量都是数字的（我的依赖变量也是如此）

但是现在我想进行一个结合数值和非数值独立变量的多元线性回归。

因此我有几个问题：

• 如果我使用虚拟变量或One-Hot用于非数字变量，那么我是否能够从sklearn执行LinearRegression？
• 如果是，我是否必须更改一些参数？
• 如果没有，我该如何进行线性回归？
• 困扰我的一件事是虚拟/单热方法不处理序数变量，对吧？ （因为在我看来它不应该以相同的方式编码）
• 问题是：即使我想编码不同的名义和序数变量，Python似乎也无法区分它们两者之间的区别？

这个东西对你来说可能很容易，但现在你可以说我有点困惑，所以我真的可以使用你的帮助！

提前致谢，

亚历克斯

答案

• 如果我使用虚拟变量或One-Hot用于非数字变量，那么我是否能够从sklearn执行LinearRegression？

事实上，模型必须专门用数字数据输入，因此必须使用OneHot向量作为输入要素中的分类数据。为此你可以看看Scikit-Learn的LabelEncoder和OneHotEncoder。

• 困扰我的一件事是虚拟/单热方法不处理序数变量，对吧？ （因为在我看来它不应该以相同的方式编码）

是。正如你所提到的，一个热门方法不处理序数变量。使用序数特征的一种方法是创建比例映射，并将这些特征映射到该比例。 Ordinal是这些案件非常有用的工具。您可以根据所提到的预定义比例映射为它提供映射字典。否则，显然它会随机将整数分配给不同的类别，因为它不知道推断任何订单。从文档：

序数编码使用单个整数列来表示类。可以传入一个可选的映射字典，在这种情况下，我们使用的知识是类本身有一些真正的顺序。否则，假定类没有真正的顺序，并且随机选择整数。

希望这可以帮助。