Ինչպե՞ս կատարել գործոնների բինարիզացիան, օրինակ՝ տարիքը։

Ֆակտորների բինարիզացիան նշանակում է շարունակական կամ կատեգորიული հատկանիշների վերածում բինար (0/1) հատկանիշների: Օրինակ՝ տարիքի համար դա հաճախ կատարվում է միջակայքների բաժանմամբ (binning) և յուրաքանչյուր միջակայքի համար բինար ցուցանիշների ստեղծմամբ:

Նմուշային մոտեցում՝

1. Հստակեցնել տարիքի միջակայքները, օրինակ՝ 0-18, 19-35, 36-60, 60+:
2. Յուրաքանչյուր միջակայքի համար ստեղծել բինար նշան, որը 1 է, եթե տարիքը պատկանում է այդ միջակայքին, այլապես 0:

Այս կերպ մոդելը կարող է հաշվի առնել ոչ գծային կախվածությունները և հեշտացնել կատեգորიული տվյալների հետ աշխատանքը:

Python և pandas օրինակով՝

import pandas as pd

ages = pd.Series([15, 23, 37, 65])
bins = [0, 18, 35, 60, 120]
labels = ['0-18', '19-35', '36-60', '60+']
categories = pd.cut(ages, bins=bins, labels=labels)
dummies = pd.get_dummies(categories)
print(dummies)

Արդյունք՝ բինար սյունակներ յուրաքանչյուր տարիքի միջակայքի համար:

Կարող է նաև օգտագործել շեմային բինարիզացիա՝ օրինակ՝ ստեղծել հատկանիշ "ավելի քան 30 տարեկան" (0 կամ 1):

Մեթոդի ընտրությունը կախված է խնդրից և մոդելից՝ որոշ մոդելներ ավելի լավ աշխատում են բինար փոփոխականների հետ, մյուսները՝ շարունակականների։