我正在用python在Kaggle上开发heart attack analysis。我是一个初学者，我试图弄清楚是否仍然有必要对这些特性进行one-hot-encode或LableEncode。我看到很多人在为这个项目编码值，但我很困惑，因为所有东西看起来都已经缩放了（除了年龄、thalach、oldpeak和斜率）。
**年龄：**年龄（岁）
性别：（1 =男性;0 =女性）
**cp：**顺序值1-4
**thalach：**达到的最大心率
exang：（1 =是;0 =无）
**oldpeak：**运动引起的抑郁
**坡度：**峰值练习的坡度
**ca：**值（0-3）
**塔尔：**序数值0-3
**目标：**0=机会较少，1=机会较多
您认为是否仍有必要进行单热编码，或者我应该直接使用StandardScaler？
我见过很多人为这个项目编码整个数据集，但对我来说这样做没有意义。请确认是否只使用StandardScaler就足够了？
1条答案
按热度按时间bjp0bcyl1#
当您应用StandardScaler时，列将具有相同范围内的值。这有助于模型将权重保持在界限之下，并且梯度下降在收敛时不会突然出现。这将有助于模型更快地收敛。
另外，为了在序数值和一个热编码之间做出决定，请根据列值之间的距离考虑列值是否相似。如果相似，则选择序数值。如果知道类别的层次结构，则可以手动分配序数值。否则，你应该使用LabelEncoder。2看起来心脏病发作的数据已经用手动分配的顺序值给出了。3例如，较高的胸痛= 4。
此外，参考性能更好的笔记本电脑也很重要。请看下面的一款笔记本电脑以供参考。95%准确率-https://www.kaggle.com/code/abhinavgargacb/heart-attack-eda-predictor-95-accuracy-score