Label encoding 和 One Hot encoding的使用時機?
2019/09/03 上午 08:04
機器學習共學討論版
Ma Chao Ting
觀看數：148
回答數：1
收藏數：1
ml100-3
ml100-3-d07
針對Label encoding 和 One Hot encoding以及數值的轉換，
想請教以下兩個問題:
1. 什麼時候該使用Label encoding 或 One Hot encoding，該怎麼去想這件事?
2. 在教材中有提到類別型別可以轉換成一種分數，想請問轉換成分數的意義為何?該怎麼去考量他的先後順序?
回答列表
-
2019/09/03 下午 02:18張維元 (WeiYuan)贊同數：1不贊同數：0留言數：0
先說結論：
- 原始資料是有序離散值的話 => Label Encoding
- 原始資料是無序離散值的話 => One Hot Encoding (Dummies)
以下分為兩點說明：
為什麼要將離散轉數值？
=> 因為大部分的模型都是基於數學運算，所以字串資料是無法運算的
為什麼要將無序轉 One-Hot？
=> 所謂數學運算一般泛指用距離代表相似（幾何觀點），意思是會用轉換後的兩個值的差距作為其相似程度。
舉個例子：
* 如果將性別欄位的男/女轉換成 0, 1 ，二元的沒問題。
* 如果講水果這個無序欄位中的頻果、香蕉、西瓜，Label 成 0, 1, 2 會隱含著「香蕉跟蘋果」比「西瓜跟蘋果」還要相似的意義，但這樣是錯誤的。
* 如果是年齡這個有序欄位的老年、中年、少年，Label 成 0, 1, 2 就很恰當，到如果硬轉成 One-Hot 反而將這個差距關係給拿掉。