开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

在构建和训练机器学习模型时，如何确定变量是否应该被视为分类变量？

在构建和训练机器学习模型时，确定变量是否应该被视为分类变量可以通过以下几个步骤来进行判断：

数据类型：首先，查看变量的数据类型。通常，分类变量的数据类型可以是字符串或离散的整数值，而连续变量的数据类型通常是数值型。
取值范围：观察变量的取值范围。如果变量的取值有限且具有明确的类别，那么它很可能是一个分类变量。例如，性别可以被视为分类变量，因为它只有两个可能的取值：男和女。
唯一值数量：计算变量的唯一值数量。如果变量的唯一值数量相对较少，那么它可能是一个分类变量。例如，一个城市的名称可以被视为分类变量，因为城市的数量是有限的。
业务逻辑：了解变量的业务逻辑和含义。有时，根据变量的含义和使用场景，可以判断它是否应该被视为分类变量。例如，一个表示产品类别的变量可以被视为分类变量。
预测目标：考虑变量在预测目标中的作用。如果变量是预测目标的类别或标签，那么它很可能是一个分类变量。例如，在图像分类任务中，图像的标签通常是分类变量。

需要注意的是，有些变量可能具有混合的特性，既可以被视为分类变量，又可以被视为连续变量。在这种情况下，可以根据具体的问题和模型需求来确定如何处理这些变量。

腾讯云相关产品和产品介绍链接地址：

腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
腾讯云人工智能开发平台（https://cloud.tencent.com/product/tai）
腾讯云数据智能平台（https://cloud.tencent.com/product/dmp）
腾讯云大数据分析平台（https://cloud.tencent.com/product/dca）

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

机器学习| 第三周：数据表示与特征工程

到目前为止，表示分类变量最常用的方法就是使用 one-hot 编码（one-hot-encoding）或 N 取一编码（one-out-of-N encoding），也叫虚拟变量（dummy variable）。虚拟变量背后的思想是将一个分类变量替换为一个或多个新特征，新特征取值为 0 和 1 。如下图，是用来预测某个人的收入是大于 50K 还是小于 50K 的部分数据集。其中，只有 age 和 hour-per-week 特征是数值数据，其他则为非数值数据，编码就是要对这些非数值数据进行数值编码。将数据转换为分类变量的 one-hot 编码有两种方法：一种是使用 pandas，一种是使用 scikit-learn 。 pandas 使用起来会简单一点，故本文使用的是 pandas 方法。

02

StatQuest生物统计学 - 机器学习介绍

机器学习（Machine learning）是关于计算机系统执行特定任务的算法和统计模型的科学研究，它不使用明确的指令，而是依靠模式和推理来完成任务。（Wikipedia）

01

想去机器学习初创公司做数据科学家？这里有最常问的40道面试题

选文/校对 | 姚佳灵翻译 | 郭姝妤导读想去机器学习初创公司做数据科学家？这些问题值得你三思！机器学习和数据科学被看作是下一次工业革命的驱动器。这也意味着有许许多多令人激动的初创公司正在起步成长、寻找专业人士和数据科学家。它们可能是未来的特斯拉、谷歌。对于有职业抱负的你来说，看好一家好的创业公司团队后，如何能够脱颖而出，进入一家靠谱的创业团队呢？想得到这样的工作并不容易。首先你要强烈认同那个公司的理念、团队和愿景。同时你可能会遇到一些很难的技术问题。而这些问题则取决于公司的业务。他们是咨询

05

【算法】机器学习算法的优点和缺点

从Logistic回归开始，然后尝试Tree Ensembles和/或Neural Networks。奥卡姆的剃刀原理：使用最简单的算法，可以满足您的需求，并且只有在严格需要的情况下才用更复杂的算法。根据我自己的经验，只有神经网络和梯度增强决策树（GBDT）正在工业中广泛使用。我目睹Logistic回归和随机森林被弃用不止一次（这意味着它们是好的开始）。从来没有人听说有人在公司中讨论SVM。

00

特征工程(四): 类别特征

一个简单的问题可以作为测试是否应该是一个分类变量的试金石测试：“两个价值有多么不同，或者只是它们不同？”500美元的股票价格比100美元的价格高5倍。所以股票价格应该用一个连续的数字变量表示。另一方面，公司的产业（石油，旅游，技术等）应该无法被比较的，也就是类别特征。

02

免费！速成！人气爆棚！国外最火的深度学习实践课新版发布，100%全新前沿内容

国外最受好评、理论+实践相结合、完全免费的AI课程——“给程序员的实践深度学习课”，刚刚上线了全新的2019版！

02

预测友谊和其他有趣的图机器学习任务

大数据文摘授权转载自zzllrr小乐作者：Noah Giansiracusa 译者：zzllrr小乐如今，人工智能（AI）的突破越来越频繁地成为新闻头条。至少就目前而言，人工智能是深度学习的代名词，这意味着基于神经网络的机器学习（如果你不知道神经网络是什么，不要担心——在这篇文章中你不需要它们）。深度学习的一个领域引起了很多兴趣，也有很多很酷的结果，那就是图神经网络（GNN，graph neural networks）。这种技术使我们能够喂送自然存在于图上的神经网络数据，而不是像欧几里得空间这

03

Python机器学习笔记：不得不了解的机器学习面试知识点（1）[通俗易懂]

机器学习岗位的面试中通常会对一些常见的机器学习算法和思想进行提问，在平时的学习过程中可能对算法的理论，注意点，区别会有一定的认识，但是这些知识可能不系统，在回答的时候未必能在短时间内答出自己的认识，因此将机器学习中常见的原理性问题记录下来，保持对各个机器学习算法原理和特点的熟练度。

01

R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究

在数字化时代，顾客信用评估成为商业决策中的重要一环。无论是金融机构的信贷审批，还是电商平台的用户信用管理，都需要对顾客的信用状况进行准确评估（点击文末“阅读原文”获取完整代码数据）。

01

Kaggle热门 | 用一个框架解决所有机器学习难题

Abhishek Thakur：数据科学家每天都要处理数据载入问题。有一些研究者称，自己有60%--70%的时间都花在了数据清洗、处理（筛选）和转换上，从而让机器学习模型能使用这些数据。本文关注的是第二部分，也就是数据在机器学习模型的应用上，其中包括预处理的步骤。　　本文讨论的几个pipelines是我所参加的上百个计算机比赛后的总结。需要强调的是，文章的相关讨论虽然是概括性的，却也是十分有用的，同时，文中所讨论的也涉及一些既有的、被专业人士采用的复杂方法。　　声明：我们使用Python。数据

08

6种机器学习算法要点

📷 本文旨在为人们提供一些机器学习算法，这些算法的目标是获取关于重要机器学习概念的知识，同时使用免费提供的材料和资源。当然选择有很多，但哪一个是最好的？哪两个互相补充？什么是使用选定资源的最佳顺序？

09

使用实体嵌入的结构化数据进行深度学习

嵌入（embedding）的想法来自于NLP(word2vec)

08

荐读|初学者如何选择合适的机器学习算法

文主要的目标读者是机器学习爱好者或数据科学的初学者，以及对学习和应用机器学习算法解决实际问题抱有浓厚兴趣的读者。面对大量的机器学习算法，初学者通常会问自己一个典型的问题：「我该使用哪一种算法？」有很多因素会影响这一问题的答案，比如：数据的大小、质量及性质可用计算时间任务的急迫性数据的使用用途在没有测试过不同算法之前，即使是经验丰富的数据科学家和机器学习算法开发者也都不能分辨出哪种算法性能最好。我们并不提倡一步到位，但是我们确实希望根据一些明确的因素为算法的选择提供一些参考意见。机器学习算法速

07

【干货】Kaggle热门 | 用一个框架解决所有机器学习难题

【新智元导读】本文是数据科学家Abhishek Thakur发表的Kaggle热门文章。作者总结了自己参加100多场机器学习竞赛的经验，主要从模型框架方面阐述了机器学习过程中可能会遇到的难题，并给出了自己的解决方案，他还列出了自己平时研究所使用的数据库、算法、机器学习框架等等，具有一定的参考价值。作者称：“文章几乎涵盖了机器学习所面临的所有问题。”他说得怎么样？欢迎留言评论，发表你的看法。本文在Linkedin上贴出后，被迅速转到Kaggle和Hacker News，并引起火热讨论。在Hacker New

使用时间特征使让机器学习模型更好地工作

📷 来源： DeepHub IMBA本文约2300字，建议阅读8分钟在本文中，通过一个实际示例讨论如何从 DateTime 变量中提取新特征以提高机器学习模型的准确性。特征工程是构建机器学习模型最重要的方面之一。在本文中，我将通过一个实际示例讨论如何从 DateTime 变量中提取新特征以提高机器学习模型的准确性。从日期中提取特征一些数据集提供了日期或日期时间字段，通常在为机器学习模型构建输入特征时会被删除（除非您正在处理时间序列，显然 😃）。但是，DateTime 是可用于提取新特征的，这些新特征

01

fast.ai 机器学习笔记（四）

这个想法是我们有一些数据（x），然后我们对这些数据做一些操作，例如，我们用一个权重矩阵乘以它（f(x)）。然后我们对这个结果做一些操作，例如，我们通过 softmax 或 sigmoid 函数处理它（g(f(x))）。然后我们对这个结果做一些操作，比如计算交叉熵损失或均方根误差损失（h(g(f(x)))）。这将给我们一些标量。这里没有隐藏层。这有一个线性层，一个非线性激活函数是 softmax，一个损失函数是均方根误差或交叉熵。然后我们有我们的输入数据。

01

FastAI 之书（面向程序员的 FastAI）（四）

解决的一个常见问题是有一定数量的用户和产品，您想推荐哪些产品最有可能对哪些用户有用。存在许多变体：例如，推荐电影（如 Netflix 上），确定在主页上为用户突出显示什么，决定在社交媒体动态中显示什么故事等。解决这个问题的一般方法称为协同过滤，工作原理如下：查看当前用户使用或喜欢的产品，找到其他使用或喜欢类似产品的用户，然后推荐那些用户使用或喜欢的其他产品。

01

使用实体嵌入的结构化数据进行深度学习

嵌入（embedding）的想法来自于NLP(word2vec) 在这篇文章中，我们将讨论机器学习中的两个问题:第一个问题是关于深度学习如何在图像和文本上表现良好，并且我们如何在表格数据中使用它。第二

07

Kaggle的入门介绍：通过竞赛磨练机器学习技能

在数据科学领域，可用的资源非常的多：从Datacamp到Udacity再到KDnuggets，在网上有很多可以在线学习数据科学的地方。但是，如果你是一个喜欢在实践中学习的人，那么Kaggle可能是让你通过实践数据科学项目提高自己的最佳地点。

01

流行于机器学习竞赛的Boosting，这篇文章讲的非常全了

Boosting 已经存在了很多年，然而直到最近它们才成为机器学习社区的主流。那么，为什么这些 Boosting 如此流行呢？

01

初学者如何选择合适的机器学习算法（附算法速查表）

来源：机器之心参与：黄小天、蒋思源、吴攀校对：谭佳瑶本文长度为4000字，建议阅读6分钟本文针对算法的选择为你提供一些参考意见。本文主要的目标读者是机器学习爱好者或数据科学的初学者，以及对学习和应用机器学习算法解决实际问题抱有浓厚兴趣的读者。面对大量的机器学习算法，初学者通常会问自己一个典型的问题：「我该使用哪一种算法？」有很多因素会影响这一问题的答案，比如：数据的大小、质量及性质可用计算时间任务的急迫性数据的使用用途在没有测试过不同算法之前，即使是经验丰富的数据科学家和机器学习算法

06

一个真实数据集的完整机器学习解决方案（上）

我们到底应该怎么学会、灵活使用机器学习的方法？技术宅做过小小的调研，许多同学会选择一本机器学习的书籍，或是一门机器学习的课程来系统性地学习。而在学完书本、课程后，并不清楚如何将这些理论、技术应用到实际的项目流程中。

01

Keras 中神经网络模型的 5 步生命周期

https://machinelearningmastery.com/5-step-life-cycle-neural-network-models-keras/

03

2019最新实战！给程序员的7节深度学习必修课，最好还会Python！

从 2017 年开始，fast.ai 创始人、数据科学家 Jeremy Howard 以每年一迭代的方式更新“针对编程者的深度学习课程”（Practical Deep Learning For Coders）。这场免费的课程可以教大家如何搭建最前沿的模型、了解深度学习的基础知识。直到今年已经是第三个年头了。

04

解决机器学习问题有通法！看这一篇就够了！

大数据文摘作品作者：Abhishek Thakur 编译：Cathy，黄文畅，姜范波，寒小阳前言本文由Searchmetrics公司高级数据科学家Abhishek Thakur提供。一个中等水平的数据科学家每天都要处理大量的数据。一些人说超过60%到70%的时间都用于数据清理、数据处理及格式转化，以便于在之后应用机器学习模型。这篇文章的重点便在后者—— 应用机器学习模型（包括预处理的阶段）。此文讨论到的内容来源于我参加的过的数百次的机器学习竞赛。请大家注意这里讨论的方法是大体上适用的，当然还有很多被

04

一个完整的机器学习项目在Python中的演练（二）

编译 | 磐石出品 | 磐创AI技术团队【磐创AI导读】：本文主要介绍了本系列的第三项特征工程与特征选择。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。（本系列第一篇：点击查看）大家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介

07

fast.ai 深度学习笔记（二）

learn — 这将显示我们在末尾添加的层。这些是我们在precompute=True时训练的层

01

如何通过交叉验证改善你的训练数据集？

假设这样一种情况，你对一个样本不均匀的数据集做了一段时间的处理，在这期间你用其中一部分数据做试验，测试了n种机器学习方法，然后喜闻乐见的发现每次的准确率都高达95%。你觉得这95%的准确率真的是实至名归吗？

02

Python 数据科学手册 5.1 什么是机器学习

在我们查看机器学习方法的各种细节之前，先了解什么是机器学习，什么不是。机器学习通常被归类为人工智能的一个子领域，但是我发现分类往往会首先产生误导。机器学习的研究肯定来自于这一背景下的研究，但在机器学习方法的数据科学应用中，将机器学习视为构建数据模型的手段更有帮助。

02

用 Scikit-learn Pipeline 创建机器学习流程

使用 Scikit-learn Pipeline 可以很容易地将机器学习中的步骤串联起来，简化流程大幅度减少代码冗余，方便结果复现。

03

机器学习之分类问题实战(基于UCI Bank Marketing Dataset)

导读：分类问题是机器学习应用中的常见问题，而二分类问题是其中的典型，例如垃圾邮件的识别。本文基于UCI机器学习数据库中的银行营销数据集，从对数据集进行探索，数据预处理和特征工程，到学习模型的评估与选择，较为完整的展示了解决分类问题的大致流程。文中包含了一些常见问题的处理方式，例如缺失值的处理、非数值属性如何编码、如何使用过抽样和欠抽样的方法解决分类问题中正负样本不均衡的问题等等。作者：llhthinker 1. 数据集选取与问题定义本次实验选取UCI机器学习库中的银行营销数据集（Bank Ma

机器学习 - 决策树：技术全解与案例实战

决策树算法是机器学习领域的基石之一，其强大的数据分割能力让它在各种预测和分类问题中扮演着重要的角色。从它的名字便能窥见其工作原理的直观性：就像一棵树一样，从根到叶子的每一分叉都是一个决策节点，指引数据点最终归类到相应的叶节点，或者说是最终的决策结果。

06

独家 | 一文读懂随机森林的解释和实现（附python代码）

本文从单棵决策树讲起，然后逐步解释了随机森林的工作原理，并使用sklearn中的随机森林对某个真实数据集进行预测。

03

一篇文章教你如何用R进行数据挖掘

引言 R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作，可视化和计算功能越来越强大。我们所说的机器学习和R有什么关系呢？我对R的第一印象是，它只是一个统计计算的一个软件。但是后来我发现R有足够

05

【干货】机器学习常用 35 大算法盘点（附思维导图）

【新智元导读】本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。在本文中，我将提供两种分类机器学习算法的方法。一是根据学习方式分类，二是根据类似的形式或功能分类。这两种方法都很有用，不过，本文将侧重后者，也就是根据类似的形式或功能分类。在阅读完本文以后，你将会对监督学习中最受欢迎的机器学习算法，以及它们彼此

08

数据科学的面试的一些基本问题总结

来源：Deephub Imba本文约5000字，建议阅读10分钟本文将介绍如何为成功的面试做准备的，以及可以帮助我们面试的一些资源。在这篇文章中，将介绍如何为成功的面试做准备的，以及可以帮助我们面试的一些资源。代码开发基础如果你是数据科学家或软件开发人员，那么应该已经知道一些 Python 和 SQL 的基本知识，这对数据科学家的面试已经足够了，因为大多数的公司基本上是这样的——但是，在你的简历中加入 Spark 是一个很好的加分项。对于 SQL，你应该知道一些最简单的操作，例如：从表中选择

02

决策树是如何工作的

作者：Rahul Saxena 译者：java达人来源：http://dataaspirant.com/2017/01/30/how-decision-tree-algorithm-works/（点击文末阅读原文前往）人工智能时代悄然而至，你可以继续安心地敲着代码，但必须对崭新的技术，陌生的算法保持高度的警惕和关注。 —— java达人决策树算法属于监督学习算法系列。与其他监督学习算法不同，决策树算法也可用于求解关于回归和分类问题。使用决策树的目的通常是创建一个训练模型，可以通过学习根据先验数

入门级预测模型构建

风险预测模型是根据个体的一系列特征来估计个体发生某种疾病或结局概率的统计模型，常用于临床实践中对疾病严重程度进行分层，并揭示疾病或疾病预后的风险特征。

04

教程 | 初学者如何选择合适的机器学习算法（附速查表）

选自sas 机器之心编译参与：黄小天、蒋思源、吴攀本文主要的目标读者是机器学习爱好者或数据科学的初学者，以及对学习和应用机器学习算法解决实际问题抱有浓厚兴趣的读者。面对大量的机器学习算法，初学者通常会问自己一个典型的问题：「我该使用哪一种算法？」有很多因素会影响这一问题的答案，比如：数据的大小、质量及性质可用计算时间任务的急迫性数据的使用用途在没有测试过不同算法之前，即使是经验丰富的数据科学家和机器学习算法开发者也都不能分辨出哪种算法性能最好。我们并不提倡一步到位，但是我们确实希望根据一些明确

05

数据、学习和模型

机器学习中有几个关键的概念，这些概念为理解机器学习这个领域奠定了基础。

09

信用卡通不过？用数据分析技术，带你深度解析信用卡评分体系！

随着互联网金融时代的到来，信用评分体系显得越发重要，本文就解读信用卡评分体系是如何建立的。

03

【干货】Entity Embeddings : 利用深度学习训练结构化数据的实体嵌入

【导读】本文是数据科学家Rutger Ruizendaal撰写的一篇技术博客，文章提出深度学习在非结构数据中有不错的表现，当前通过实体嵌入也可以使之在结构化数据中大放异彩。具体讲解了如何利用深度学习训

05

深度解析数据清理和特征工程！5本面向数据科学家的顶级书籍推荐 ⛵

数据清理和特征工程是数据科学家和机器学习工程师们一天中最重要的部分之一，几乎我们每天都会和数据打交道，接触到这些数据工作。能够有效地清理数据获取干净核心的数据将保证后续工作有更好的结果。

04

one-hot encoding不是万能的，这些分类变量编码方法你值得拥有

one-hot encoding 是一种被广泛使用的编码方法，但也会造成维度过高等问题。因此，medium 的一位博主表示，在编码分类变量方面，我们或许还有更好的选择。

03

ML：教你聚类并构建学习模型处理数据（附数据集）

本文以Ames住房数据集为例，对数据进行聚类，并构建回归模型。摘要本文将根据41个描述性分类特征的维度，运用无监督主成分分析(PCA)和层次聚类方法对观测进行分组。将数据聚类可以更好地用简单的多元

08

CatBoost:一个自动处理分类(CAT)数据的机器学习库

在使用“sklearn”构建机器学习模型时，想必大家应该都遇到过下面这个错误吧：当处理分类(字符串)变量时，这个错误就发生了。在sklearn中，你需要在数值格式中转换这些分类。为了实现这种转换，我

07

建立脑影像机器学习模型的step-by-step教程

机器学习的日益普及导致了一些工具的开发，旨在使这种方法的应用易于机器学习新手。这些努力已经产生了PRoNTo和NeuroMiner这样的工具，这并不需要任何编程技能。然而，尽管这些工具可能非常有用，但它们的简单性是以透明度和灵活性为代价的。学习如何编程一个机器学习管道(即使是一个简单的)是一个很好的方式来洞察这种分析方法的优势，以及沿着机器学习管道可能发生的扭曲。此外，它还允许更大的灵活性，如使用任何机器学习算法或感兴趣的数据模式。尽管学习如何为机器学习管道编程有明显的好处，但许多研究人员发现这样做很有挑战性，而且不知道如何着手。

05

值得思考，机器学习模型做出的决策是你想要的吗？

区分预测模型和分类模型是很重要的一个事情。在很多决策应用中，分类模型代表着一个“不成熟”的决定，它组合了预测模型和决策制定，但剥夺了决策者对错误决定带来的损失的控制权 (如随机森林中的服从大多数原则，51棵树预测结果为患病49棵树预测结果为正常与91棵树预测结果为患病``9棵树预测结果为正常返回的结果都是患病)。如果采样标准或损失/收益规 (在预测疾病时，更看重敏感性而非假阳性)则发生改变，分类模型也需要相应的改变。而预测模型是与决策分开的，可用于任何决策制定。

02

【干货】机器学习常用35大算法盘点

原文出处： http://weibo.com/ttarticle/p/show?id=2309404101186960678479&sudaref=forum.ai100.com.cn&retco

01

机器学习的数据验证

尽管验证过程无法直接发现问题所在，但有时该过程可以向我们表明模型的稳定性存在问题。

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭