特徵工程之Histogram編碼
阿新 • • 發佈：2018-11-19
例如有如下的特徵，我們要對性別進行編碼，可能常用的方法就是男性對應0，女性對應1。
| 性別 | 分類標籤 |
| 男 | 0 |
| 男 | 1 |
| 男 | 1 |
| 男 | 0 |
| 男 | 2 |
| 女 | 2 |
| 女 | 2 |
Histogram編碼是將屬性值分類，然後對不同的分類進行編碼，編碼方式如下：
1、分類標籤的類別數目有多少，Histogram的編碼向量長度就有多長，比如這裡分類標籤的長度是3，則性別的初始向量就是[0,0,0]
2、統計屬性中每個取值對應的數量，並分類統計，比如性別男，共有5個，0有2個，1有2個，2有1個，對性別女同樣如此
3、使用屬性中每個取值在總數中的佔比統計得到向量，性別男的編碼為[2/5,2/5,1/5]，性別女的編碼為[0,0,1]
使用Histogram編碼的一個好處是可以明顯看出屬性的取值對分類的貢獻程度，預測可能更準確一些。