Hoe maak je factoren binariseer, bijvoorbeeld leeftijd?

Factorbinarisatie is het omzetten van continue of categorische kenmerken in binaire (0/1) kenmerken. Voor leeftijd wordt dit vaak gedaan door het verdelen in intervallen (binning) en het creëren van binaire indicatoren voor elk interval.

Voorbeeld aanpak:

1. Definieer leeftijdsintervallen, bijvoorbeeld: 0-18, 19-35, 36-60, 60+.
2. Voor elk interval, creëer een binaire variabele die 1 is als de leeftijd in dat interval valt, anders 0.

Dit stelt het model in staat niet-lineaire afhankelijkheden te overwegen en vereenvoudigt de omgang met categorische gegevens.

Voorbeeld in Python met pandas:

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)

Resultaat: binaire kolommen voor elk leeftijdsinterval.

Ook kan threshold-binarisatie worden gebruikt, bijvoorbeeld een kenmerk "ouder dan 30" (0 of 1).

De keuze van de methode hangt af van de taak en het model: sommige modellen werken beter met binaire variabelen, andere met continue variabelen.