python - 如何在 python 中规范化数据集以进行线性/多元回归

Question

我正在使用数据集通过多变量回归技术做出一些预测。我必须根据一些自变量(例如性别、百分比、出生日期、不同学科的分数、学位、专业等)来预测员工的薪水。

数字参数(例如不同科目的分数和百分比)适合与回归模型一起使用。但是我们如何在这里规范化非数字参数(性别、出生日期、学位、专业)？

附言: 我正在使用 scikit-learn : machine learning in python包。

Answer 1

您想对分类参数进行编码。

• 对于性别等二元分类参数，这相对容易:引入一个二元参数:1=女性，0=男性。
• 如果有两个以上的类别，你可以试试one-hot-encoding。阅读有关 sci-kit 学习文档的更多信息: http://scikit-learn.org/stable/modules/preprocessing.html#encoding-categorical-features

请注意，日期不是分类参数!将其转换为 unix 时间戳(自纪元以来的秒数)，你就有了一个可以回归的很好的参数。