带你了解SVG <tspan>元素

这次，截距对应于y的平均值。此外，通过取最后一级的y并将其从截距(68-50)中减去，我们得到18，这与其余系数的总和(-15-5 + 2 = -18)正好相反。这正是我上面提到的求和编码的属性。

5. BackwardDifferenceEncoder

另一种对比编码(如SumEncoder)。

该编码器对于序数变量(即，其级别可以以有意义的方式进行排序的变量)很有用。BackwardDifferenceEncoder旨在比较相邻级别。
 

这意味着，尽管您的输入是单个列，但是您的输出却包含L列(原始列的每一级一个)。这就是为什么要谨慎处理一键编码的原因：您最终可能会得到一个比原始数据帧大得多的数据帧。

一次性对数据进行热编码后，便可以使用任何预测算法。为了让您一眼就能理解，我们对每个级别进行一次观察。假设我们已经观察到一个目标变量y，其中包含每个人的收入(以千美元计)。让我们在数据上拟合线性回归(OLS)。

为了使结果易于阅读，我将OLS系数附加在桌子的侧面。
 

以下是拆分所指的内容：

• 有监督/无监督：当编码仅基于分类列时，则为无监督。否则，如果编码基于原始列和第二个(数字)列的某些功能，那么它将受到监督。
• 输出维：分类列的编码可能会产生一个数字列(输出维= 1)或许多数字列(输出维> 1)。
• 映射：如果每个级别始终具有相同的输出(无论是标量(例如OrdinalEncoder)还是数组(例如OneHotEncoder))，则映射是唯一的。相反，如果"允许"同一级别具有不同的可能输出，则映射不是唯一的。

10分钟内17种分类编码算法

1. OrdinalEncoder

每个级别都映射到一个从1到L的整数(其中L是级别数)。在这种情况下，我们使用字母顺序，但是任何其他自定义顺序也是可以接受的。
 

这篇文章是库中包含的17种编码算法的演练。对于每种算法，我用几行代码提供了简短的解释和Python实现。这样做的目的不是要重新发明轮子，而是要了解算法是如何在后台运行的。毕竟，

"您不了解它，直到您可以对其进行编码"。

并非所有编码均相等

我已经根据其一些特征对17种编码算法进行了分类。由于数据科学家喜欢决策树，因此让他们感到高兴：

（编辑：通化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!