我正在处理其中类别变量已经为LabelEncoded的数据集。所以，我的问题是，即使其中一些值为0或1，我也将它们全部转换为伪变量吗？
一些变量具有值：（-1、0、1）和（1、2、3、4 ...）
傻瓜会给我二进制值，但如上所述，我已经拥有一些分类特征的二进制值。将它们转换为假人有什么意义吗？
另外，我拥有的分类特征属于int64类型。我应该先将它们转换为object类型，然后创建假人，还是应该将它们保留为int64然后创建假人。
我目前正在使用熊猫的get_dummies()制作假人，与OneHotEncoder有什么不同吗？如果是这样，那么哪个更可取？
这是数据集的头：
custid region townsize gender age agecat birthmonth ed edcat jobcat ... owncd ownpda ownpc ownipod owngame ownfax news response_01 response_02 response_03
3964-QJWTRG-NPN 1 2.0 1 20 2 September 15 3 1 ... 0 0 0 1 1 0 0 0 1 0
0648-AIPJSP-UVM 5 5.0 0 22 2 May 17 4 2 ... 1 1 1 1 1 1 1 0 0 0
5195-TLUDJE-HVO 3 4.0 1 67 6 June 14 2 2 ... 1 0 0 0 0 0 1 0 0 0
4459-VLPQUH-3OL 4 3.0 0 23 2 May 16 3 2 ... 1 0 1 1 1 0 1 1 0 0
8158-SMTQFB-CNO 2 2.0 0 26 3 July 16 3 2 ... 1 0 1 0 1 0 0 0 1 0
我想为
LinearRegression模型准备此数据集。 最佳答案
我猜想此数据准备工作的最终目标是ML算法。因此，您需要从该算法的先决条件中查看数据。通常，对于大多数算法，如果您的数据是数字编码的，不管您使用的是什么数据预处理算法，无论是Label Encoder还是One Hot Encoder，都可以。
在更精细的规模上，哪种算法更可取，将取决于算法，您的数据和手头的数据量。
无论如何，要说出哪个更适合您的任务和数据-Label Encoder或One Hot Encoder（或来自熊猫的get_dummies），唯一的方法是通过交叉验证对不同的数据进行预处理来运行算法。
为了给您的选择增加更多考虑，一些算法，例如KNN和deep learning，可能需要数据规范化。