我有一个与此类似的数据集：
category 1 category 2 prediction
X a 1
Y b 0
Z b 1
X a 1
Y a 0
Z b 0
X b 1
Y f 1
Z d 1
我们说这是三栏。我想提一下，第1列和第2列是文本功能，而不是数字数据。我的输入数据在
category 1中将包含15-20种不同的类型。 category 1中的每种类型都可以在category 2中具有一种类型。例如。 X可以具有两次a类型的条目，也可以具有三次和b类型的条目两次。第三列是输出。我想在这样的数据集上训练模型，最后在训练模型之后，我想传递任何一个category 1＆category 2，例如：X＆a-这应该给我预测的输出1或0。我打算为此使用逻辑回归。题：
既然我有文本数据，是否应该使用假人并为每种类型创建一列？ （例如，由于我有
X，Y，Z，因此我应该创建三个不同的列并分配1或0。我可以为此使用逻辑回归还是不适合我的应用？ （我希望获得预测
1的概率）任何的意见都将会有帮助。
最佳答案
如果您的分类基于每个类别中的对数奇数，则Logistic regression适合。对于二进制分类，其结果与可比方法相差不大。
是的，您应该使用“虚拟”作为分类数据。这是一种电气设计技术中的“一次热编码”，其中，在任何给定时间，群集中的一根导线都将是“热”（有电流）。对于发布的数据，类别1将具有三列，类别2至少具有四列（a，b，d，f）。
关于machine-learning - 具有文本特征的数据集的逻辑回归，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51850210/