使用 function randomForest 時，分類變量的類型應該是什么？

Question

這只是一個一般理論問題，我在大學數據科學模擬面試中被問到這個問題，我試圖尋找這個答案，但無法在其他地方得到它。 希望有人能幫助我。 另外我對隨機森林的掌握不多

Answer 1

就一般理論而言，隨機森林可以處理數字數據和分類數據。 function randomForest （ 此處的文檔）支持編碼為因子的分類數據，因此這將是您的類型。

Answer 2

機器學習算法需要以數字形式對特征進行編碼。 您可以對特征的每個級別進行一個熱編碼（0 或 1）以指示其存在，也可以對 label 進行編碼，以便特征中的每個級別都有一個數值（1,2,3）。 通常使用 one-hot 編碼，因為 label 編碼可能會顯示該功能的順序。 one-hot 編碼的一個風險是，如果你有太多的特征，特征空間會擴展太多，導致高維特征集，如果沒有足夠的數據，這可能是一個挑戰。 因此，一些方法只對特征的最常見級別進行特征編碼。

資料來源：AceAI 面試准備、Kaggle、R 應用程序統計學習簡介