在分类树中定义数据：序数与名义
Defining data in classification trees: ordinal vs nominal
我的问题是，在sklearn中构建决策树时，如果我有一个分类变量，如果我手动输入变量的值作为数字会有问题吗？ （假设数据框很小）
而且，如果我的变量是名义变量或有序变量，结果会有差异吗？
我认为应该没有太大区别，因为理论说你应该根据熵和其他指标寻找最佳组合，所以它不应该关心一个值是否小于另一个值。
非常感谢
如果您的分类变量是有序变量或名义变量，则存在差异：
如果您的变量是有序的，您只需将每个类别更改为一个数字（例如：坏、正常、好可以更改为 1、2、3）。请注意，您只保留一列。如果样品很少，您可以手动进行。您可以使用 sklearn 中的 LabelEncoder 来完成它。
如果您的变量不是有序的，您必须向数据集添加新列，每个类别一个。您可以手动完成，但我建议使用 pd.get_dummies().
总而言之，您必须非常小心地了解分类变量是否是有序的。并且你可以手动处理它们（你会得到相同的结果），但建议使用预定义的函数以避免一些错误。
我的问题是，在sklearn中构建决策树时，如果我有一个分类变量，如果我手动输入变量的值作为数字会有问题吗？ （假设数据框很小） 而且，如果我的变量是名义变量或有序变量，结果会有差异吗？
我认为应该没有太大区别，因为理论说你应该根据熵和其他指标寻找最佳组合，所以它不应该关心一个值是否小于另一个值。
非常感谢
如果您的分类变量是有序变量或名义变量，则存在差异：
如果您的变量是有序的，您只需将每个类别更改为一个数字（例如：坏、正常、好可以更改为 1、2、3）。请注意，您只保留一列。如果样品很少，您可以手动进行。您可以使用 sklearn 中的 LabelEncoder 来完成它。
如果您的变量不是有序的，您必须向数据集添加新列，每个类别一个。您可以手动完成，但我建议使用 pd.get_dummies().
总而言之，您必须非常小心地了解分类变量是否是有序的。并且你可以手动处理它们（你会得到相同的结果），但建议使用预定义的函数以避免一些错误。