scikit-learn，线性回归中的分类（但数值）特征

Question

我在 scikit-learn 中使用线性回归，我的数据集包含一些分类但数值特征。 我的意思是有一些特征，比如房子所在地区的价值，用一个介于 1 到 7 之间的 integer 数字表示：这个数字越高，房子的价值就越高。 我是否应该在使用 OneHotEncoder 等编码器进行线性回归之前使用数字预处理表示类别（城市区域）的特征？ 还是仅当类别用字符表示时才强制？ 先感谢您..

Answer 1

如果我理解正确，您不需要对它们进行一次热编码，因为它们是序数，即顺序是有意义的。 例如，如果数字是产品代码，并且没有感觉 7 是“优于”或“超过”4，那么您可能希望对这些变量进行一次性编码，但在这种情况下，您将丢失信息通过 one-hot 编码。