在哪裡可以找到編碼分類特徵的指南？
我正面臨一個包含各種分類變量的 ML 任務。一些示例包括以下內容：
- 二進制變量 (0,1)。
- 可排序的多級因子（低、中、高）。
- 無法排序的多級因子（紅色、藍色、綠色）。
我將使用深度神經網絡來執行我的分類任務：但是，我想找到一個可能全面的指南，根據最常用的方法和當前的最佳實踐對分類特徵進行編碼。有參考文字嗎？
我問這個是因為我通常需要做類似的編碼任務，而且我通常會應用一些粗略的修復，這可能不是最佳的，但或多或少都很好。但是，在某些情況下，這種方法不是一種選擇，我想改進我處理此類編碼任務的方式。
二進制變量
不需要編碼：按原樣使用它們。
標稱數據
當您有一個變量可以取有限數量的值時，這稱為分類變量。當值無法排序時（例如，紅色、藍色、綠色），這稱為名義變量。名義變量是一種分類變量。
對於名義變量，編碼它們的常用方法是使用 one-hot 編碼。如果有變量的可能值，您將每個值映射到-vector 有一個在對應於該值的位置和別處。
例如：紅色， 藍色， 綠色.
序數數據
當您有一個分類變量可以對值進行排序（排序），但排序並不意味著它們有多少不同時，這稱為**序數變量（請參閱序數數據）。
例如，假設您有一個排名：John 排名第 3，Jane 排名第 6。你知道約翰在簡之前完成了，但這並不一定意味著約翰是是簡的幾倍。
您可以使用溫度計技巧對序數數據進行編碼。如果有變量的可能值，然後將每個值映射到-vector，你把一個在與變量值和所有後續位置匹配的位置。
例如：第一名， 第二個地方， 第三名.
您也可以應用分箱，如果太大，但通常最好不要這樣做。
數值變量
最後，您可能會遇到直接測量數字的變量，它們不僅可以排序，還可以減去或除法。然後，通常最好直接使用數字，或者可能使用數字的對數。（如果數字代表一個比率，或者值的範圍很廣，您可以取對數。）
有用的背景
要理解這些術語，了解“測量級別”會很有幫助：https ://en.wikipedia.org/wiki/Level_of_measurement 。
縮放
最後，當您使用神經網絡或“深度學習”時，通常需要在應用深度學習之前標準化/重新調整所有數值屬性。我建議您將其視為與上述特徵映射不同的過程，在應用特徵映射後執行。