编码标称变量和排序变量有什么区别？答案

【问题标题】：What is a difference between the encoding nominal variable and ordering variable?编码标称变量和排序变量有什么区别？
【发布时间】：2019-12-19 09:57:09
【问题描述】：

我不应该以不同的方式处理名义分类变量和序数变量吗？在我看来，从文本值到数字的简单更改可能会暗示名义变量之间存在某种关系。

在 R 中进行数据预处理时，您是如何做到的？

【问题讨论】：

我不太明白你的问题是什么。是的，（当然）有区别，应该区别对待。但你似乎知道这一点。然后呢？
对于这两类变量，你推荐了哪些具体的方法？

标签： r variables machine-learning encoding

【解决方案1】：

R 对于分类（名义）变量和有序变量的数据类型略有不同。

具体来说，分类数据通常编码为factors。序数变量是分类变量的一种特殊情况，因此是也是因子——但有序因子。

就 R 代码而言，区别只是在 factor 函数调用中设置一个参数：

paygrades = c('intern', 'junior', 'senior', 'manager')

employees = data.frame(
    Name = c('Alice', 'Bob', 'Cecil', 'Dan', 'Emily', 'Felix'),
    Role = factor(c('engineer', 'accounting', 'marketing', 'CEO', 'testing', 'engineer')),
    Paygrade = factor(c('senior', 'junior', 'intern', 'manager', 'senior', 'junior'), levels = paygrades, ordered = TRUE),
    stringsAsFactors = FALSE
)

如果我们现在检查数据，我们会发现：

employees$Role
# [1] engineer   accounting marketing  CEO        testing    engineer
# Levels: accounting CEO engineer marketing testing
employees$Paygrade
# [1] senior  junior  intern  manager senior  junior
# Levels: intern < junior < senior < manager

【讨论】：