对于决策树，我应该将二进制因子变量编码为零还是一？答案

【问题标题】：Should I code binary factor variables as zero or one for decision tree?对于决策树，我应该将二进制因子变量编码为零还是一？
【发布时间】：2021-01-22 12:17:45
【问题描述】：

我正在构建一个决策树，我有一堆二进制变量，我将它们编码为因子。

它们都有两个层次，第一层次是“有属性”，第二层次是“没有属性”

并且该属性被替换为列的名称，例如“有蓝色玫瑰踏板”

这是我应用数据的模型，以 iris 作为示例代码

library(rpart)
model <- rpart(Species ~., data = iris)
par(xpd = NA) 
plot(model)
text(model, digits = 3)

我的问题是我应该将二进制因子变量编码为零还是一？

【问题讨论】：

典型的约定是用1 编码真值，用0 编码假值，如果这是问题的话。
用 1 编码 True 对于组合逻辑和算术运算是实用的：(a == True)*2 + (a == False)*3。
您通常将因子编码为 0（没有）1（有），因为如果您执行线性回归，则更容易解释系数。正表示与因子的存在呈正相关。
在我的 tibble 中，我应该将它们编码为级别 1 和 0 的因子还是数字？
在您提供rpart(Species ~ .,data=iris) 的示例中，唯一的因素是因变量Species，所以这并不重要，只要您记住水平的基本原理是什么因素。另外，请注意，您需要使用 method = "poisson" 进行分类

标签： r decision-tree

【解决方案1】：

典型的约定是用1 编码True 值，用0 编码False 值。

使用此映射可以通过以下方式组合逻辑和算术运算：

result <- (a == TRUE)*2 + (a == FALSE)*3

【讨论】：