java - 使用类别作为特征的线性回归

Question

我正在尝试建立一个线性回归模型，但我的一些特色不是数字，例如“汽车颜色”，而其他是例如“引擎尺寸”。在非数字情况下，我不确定在添加为输入特征时如何表示这一点。我能想到的唯一方法是用不同的值表示每种颜色，例如(红色 = 1，蓝色 = 2，绿色 = 3...)但这似乎 Not Acceptable ，因为这意味着绿色比红色“更好”。

任何人都可以帮忙...我正在用 Java 实现这个，所以我很感激用这种语言表达的算法或独立于语言的算法。

Answer 1

一种方法是使用虚拟编码，另一种技术是效果编码。

更多细节请引用这篇文章，我认为作者已经解释得比我在这里能做的更好。

Coding Categorical Variables in Regression Models: Dummy and Effect Coding by Resmi Gupta

我想这个解决方案属于你的语言独立类别；)

对汽车颜色进行编码(我假设汽车颜色只能采用 3 个值:红色、蓝色、绿色)

你可以这样编码:

Color  Dummy_Var_One  Dummy_Var_Two

Red        1              0
Blue       0              1
Green      0              0 

在上表中，绿色将成为引用水平。在您的情况下，如果您的颜色采用 n 值，您将需要包含 n-1 虚拟变量。

可以在 Weka 中找到 Java 中的实现。过滤器 NominalToBinary ，尽管这将为 n 类别创建 n 变量。