ダミー変数
文字のデータを 0 と 1 の列に置き換える方法です。ワンホットエンコーディングとも呼ばれます。
どう変わるか
元のデータ
| 都市 |
|---|
| 東京 |
| 大阪 |
| 福岡 |
ダミー変数にした後
| 都市 | 都市_大阪 | 都市_東京 | 都市_福岡 |
|---|---|---|---|
| 東京 | 0 | 1 | 0 |
| 大阪 | 1 | 0 | 0 |
| 福岡 | 0 | 0 | 1 |
カテゴリの数だけ列が増えます。 各行は、自分が当てはまる列だけが 1 になります。
なぜ必要か
多くの機械学習の手法は数値しか受け取れません。 「東京」「大阪」のような文字をそのまま渡せないので、数値に置き換えます。
nehan のどこに出てくるか
| やりたいこと | 行き先 |
|---|---|
| 文字の列をダミー変数にする | ダミー変数列の作成 |
| 文字の列を 1 つの数値列にする | 文字列を数値に変換 |
nehan での作られ方
nehan のダミー変数列の作成は、列に入っている値の種類の数で動きが変わります。
| 値の種類 | どうなるか |
|---|---|
| 1 種類 | 何も起きません。 列は増えず、処理対象列を結果から除外するを ON にしても元の列は消えません |
| 2 種類 | ダミー変数にならない。 <元の列名>_変換後 が 1 列だけ増え、0 と 1 が入る |
| 3 種類以上 | <元の列名>_<値> が種類の数だけ増える |
| 決まりごと | 中身 |
|---|---|
| 新しい列の名前 | <元の列名>_<値>。上の例なら 都市_東京 |
| 並び順 | 値を昇順に並べた順 |
| 欠損 | 1 つの種類として数えます。 <NA> という名前のカテゴリになります |
| 元の列 | 既定では残ります。 消したいときは処理対象列を結果から除外するを ON にする |