無序特徵: one-hot encoding, 比如城市
有序特徵:Label encoding, 比如版本號
決策樹是如何識別離散特徵和連續特徵的?
決策樹在選擇特徵進行分類時,一個特徵被選擇後,之後還會選擇到這個特徵嗎?
決策樹如何處理無序類別和有序類別特徵?
無序特徵: one-hot encoding, 比如城市
有序特徵:Label encoding, 比如版本號
決策樹是如何識別離散特徵和連續特徵的?
決策樹在選擇特徵進行分類時,一個特徵被選擇後,之後還會選擇到這個特徵嗎?
決策樹如何處理無序類別和有序類別特徵?
特徵增強是對數據的進一步修改,我們開始清洗和增強數據。主要涉及的操作有 識別數據中的缺失值 刪除有害數據 輸入缺失值 對數據進行歸一化/標準化 1. 識別數據中的缺失值 特徵增強的第一種方法是識
數據挖掘——爲什麼使用啞變量?啞變量有哪些作用?哪些情況應該使用啞變量? 直接給鏈接: https://www.cnblogs.com/sddai/p/8834373.html