Jak przeprowadzić binarizację czynników, na przykład wieku?

Binarizacja czynników to przekształcenie zmiennych ciągłych lub kategorialnych w zmienne binarne (0/1). Dla wieku często wykonuje się to poprzez podział na przedziały (binning) i tworzenie binarnych wskaźników dla każdego przedziału.

Przykład podejścia:

1. Zdefiniować przedziały wieku, np.: 0-18, 19-35, 36-60, 60+.
2. Dla każdego przedziału utworzyć zmienną binarną, która ma wartość 1, jeśli wiek mieści się w tym przedziale, w przeciwnym razie 0.

Pozwala to modelowi uwzględnić nieliniowe zależności i upraszcza pracę z danymi kategorialnymi.

Przykład w Pythonie z 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)

Wynik: kolumny binarne dla każdego przedziału wiekowego.

Można również użyć binarizacji progowej, np. utworzyć cechę "powyżej 30 lat" (0 lub 1).

Wybór metody zależy od zadania i modelu: niektóre modele lepiej działają z binarnymi zmiennymi, inne z ciągłymi.