什么是类别特征？

"类别特征"是指表示分类或类别的特征。例如颜色（红、绿、蓝）、血型（A型、B型、O型、AB型）等...

常见类别特征算法

1、Label Encoding

LabelEncoder 会对一组数转换成 [0,n) 的数。

比如把[男，女] 转成 [0, 1]；把 [红, 黄，蓝, 红] 转成 [0, 1, 2, 0]

from sklearn.preprocessing import LabelEncoder

# 初始化
le = LabelEncoder()

label_list = ["D", "B", "C", "D", "A", "B"]  # 标签有A、B、C、D四个类别，所以转换为[0, 1, 2, 3]
print(le.fit_transform(label_list))  # [0 1 2 3 0 1]

label_list = ["张三", "李四", "王五", "张三"]  # 标签有张三、李四、王五三个类别，所以转换为[0, 1, 2]
print(le.fit_transform(label_list))  # [0 1 2 0]

label_list = [100, 90, 80, 80, 0, 100]  # 标签是0, 80, 90, 100四个类别，所以转换为[0, 1, 2, 3]
print(le.fit_transform(label_list))  # [3 2 1 1 0 3]

# 注意：LabelEncoder会先排序后编码，所以编码结果是有序的

2、One-Hot Encoding

找出所有特征，然后编码时，匹配的位置取1，不匹配取0。

比如将 红黄蓝分别编码为 100,010,001, 三个向量相互正交(垂直)，不相关，距离相同。

注意：不要给红黄蓝设置编码为1,2,3。因为1,2,3之间有大小关系，相关

单列示例

from sklearn import preprocessing

encoder = preprocessing.OneHotEncoder()
# 3个特征：即 blue、red、yellow 三种颜色(排序后)
# 分别用 [1, 0, 0]、[0, 1, 0]、[0, 0, 1] 来表示
# red    => 编码为 [0, 1, 0]
# yellow => 编码为 [0, 0, 1]
# blue   => 编码为 [1, 0, 0]
# red    => 编码为 [0, 1, 0]

encoder.fit([
    ['red'],
    ['yellow'],
    ['blue'],
    ['red']
])
print(encoder.transform([['red']]).toarray())  # [[0. 1. 0.]]
print(encoder.transform([['yellow']]).toarray())  # [[0. 1. 0.]]
print(encoder.transform([['blue']]).toarray())  # [[0. 1. 0.]]

多列示例

from sklearn import preprocessing

encoder = preprocessing.OneHotEncoder()
# 8个特征：即 001、002、003、004、女、男、大一、大二   (女排在男前面，大一排在大二前面)

#  学号  性别  年级
#  001  男    大一
#  002  女    大二
#  003  男    大一
#  004  女    大一

encoder.fit([['001', '男', '大一'],
             ['002', '女', '大二'],
             ['003', '男', '大一'],
             ['004', '女', '大一']])


print(encoder.transform([['001', '男', '大一']]).toarray())  # [[1 0 0 0 0 1 1 0]]
print(encoder.transform([['001', '男', '大二']]).toarray())  # [[1 0 0 0 0 1 0 1]]
print(encoder.transform([['001', '女', '大一']]).toarray())  # [[1 0 0 0 1 0 1 0]]
print(encoder.transform([['001', '女', '大二']]).toarray())  # [[1 0 0 0 1 0 0 1]]

print('女' < '男')  # True

除了类别特征，还有什么特征？

1. 连续型特征（Numerical Features）：连续型特征是指取值范围在一定区间内的数值型特征。例如，身高、体重、温度、价格等都属于连续型特征。这些特征可以是整数型或浮点型。

2. 时间序列特征（Time Series Features）：时间序列特征是指与时间相关的特征，例如日期、时间戳、季节性特征等。时间序列数据通常以时间为自变量，记录某个或某些变量随时间的变化情况。

3. 文本特征（Text Features）：文本特征是指自然语言文本中的特征，例如文档、评论、描述等。文本特征常常需要进行文本预处理和特征提取，以便用于机器学习模型。

4. 图像特征（Image Features）：图像特征是指图像数据中的特征，例如像素值、颜色直方图、纹理特征等。处理图像特征通常需要使用计算机视觉技术。

5. 空间特征（Spatial Features）：空间特征是指与空间位置相关的特征，例如地理位置坐标、区域边界、地形等。这些特征常常用于地理信息系统（GIS）和地理数据分析中。

6. 信号特征（Signal Features）：信号特征是指来自传感器、设备或系统的信号数据，例如声音、振动、电压等。处理信号特征通常需要使用信号处理技术和数字信号处理算法。