numpy.unique() vs Pandas.get_dummies()
numpy.unique() 将数据转换为所有 K 个类别的数组，并将每个值的索引作为新列返回，而 get_dummies() 只是创建 k 列，每个列都有 (0,1) 值。
哪种方法将分类数据转换为数字最适合机器学习？为什么？
【问题讨论】：
标签： python pandas numpy machine-learning scikit-learn
对于分类属性的预处理，主要取决于分类属性是否具有有序关系。
例如，像温度这样的属性由四个级别组成：非常高、高、中、低。这些被称为序数变量，在这种情况下，转换为数字索引是合理的。所以非常高变成“1”，高变成“2”等等。
但是，如果变量是没有排序信息的名义变量，则数字索引很可能会因为提供给模型的错误信息而导致较差的结果。 例如，对于像性别这样的属性，将它们转换为数字索引是没有意义的，“1”代表男性，“2”代表女性，因为这给模型提供了一个有偏见的信息，使得女性排名高于男性值时在大多数情况下，它们都是相等的，并且它们之间没有顺序。因此，为每个变量创建具有二进制值的 k 列会更有意义。
【讨论】：