使用 function randomForest 时，分类变量的类型应该是什么？

Question

这只是一个一般理论问题，我在大学数据科学模拟面试中被问到这个问题，我试图寻找这个答案，但无法在其他地方得到它。 希望有人能帮助我。 另外我对随机森林的掌握不多

Answer 1

就一般理论而言，随机森林可以处理数字数据和分类数据。 function randomForest （ 此处的文档）支持编码为因子的分类数据，因此这将是您的类型。

Answer 2

机器学习算法需要以数字形式对特征进行编码。 您可以对特征的每个级别进行一个热编码（0 或 1）以指示其存在，也可以对 label 进行编码，以便特征中的每个级别都有一个数值（1,2,3）。 通常使用 one-hot 编码，因为 label 编码可能会显示该功能的顺序。 one-hot 编码的一个风险是，如果你有太多的特征，特征空间会扩展太多，导致高维特征集，如果没有足够的数据，这可能是一个挑战。 因此，一些方法只对特征的最常见级别进行特征编码。

资料来源：AceAI 面试准备、Kaggle、R 应用程序统计学习简介