具有分类和连续属性的多类多输出分类，无需在 python 中编码 [关闭]

Posted 2023-03-12

【中文标题】具有分类和连续属性的多类多输出分类，无需在 python 中编码 [关闭]

【英文标题】：Multiclass MultiOutput Classification with both categorical and continous attribute without encoding in python [closed]

【发布时间】：2017-12-23 17:39:48

【问题描述】：

我正在做一个机器学习（数据挖掘）项目，我已经完成了数据探索和数据准备步骤，它是在 python 中完成的！

现在我面临这个问题：我的数据集中有分类属性。 经过研究，我发现最适合此类数据的算法是决策树或随机福雷斯特分类器！

但是我已经阅读了一些关于决策树和分类属性的类似问题，发现我正在使用的库 (scikit-learn) 不适用于分类属性。检查here 和here，为了使其与分类一起工作，我需要将分类变量编码为数字变量，但我不想使用编码，因为我会根据@987654323 丢失我的属性的一些属性和一些信息@answer ，而且我的一些属性有 100 多个不同的值。

所以我想知道：

是否有任何其他 python 库可以使用分类数据构建决策树而无需任何编码？ 在this 的回答中，有人建议像 WEKA 这样的其他库可以构建具有分类属性的决策树，所以我的问题是我可以在同一个机器学习项目中结合两种语言吗？

是否会在 python 中进行数据探索和准备，在 weka (java) 中训练模型，并将其部署到 python-flask Web 应用程序中？ 有可能吗？

【参考方案1】：

您链接的有关编码分类输入的answer 只是说，当您的类别没有固有顺序时，您应该避免使用数字编码。它正确地建议您在这种情况下使用 one-hot 编码。

简单地说，机器学习模型对数字进行操作，因此即使您找到了一个无需显式编码即可获取原始类别的库，它仍然必须在执行任何计算之前对其进行内部编码。

100 个类别并不多，大多数现成的库都可以很好地处理此类输入。我建议你试试xgboost

【讨论】：

好的！感谢您的回复@Imran，所以我会尝试一种听起来不错的热编码，但会增加我的数据集的维度，所以必须忘记决策树并尝试像 SVN 和 NN 这样的强分类器。