问题描述
我正在解决这个问题https://www.kaggle.com/c/house-prices-advanced-regression-techniques 从 kaggle 看到一些分类特征（ExterQual，GarageQual，GarageCond，FireplaceQu，...）对他们有秩序。所以我决定使用序数编码将它们转换为数字。 我决定使用按分类特征分组的目标变量 (SalePrice) 的平均值，而不是使用整数 0 到 n-1 作为值，这样我得到了更好的结果。
codes = train_dataframe.groupby(FireplaceQu)['SalePrice'].mean().sort_values()/100000
print(codes.index,codes.values)
它返回这些值：
Index(['Po','None','Fa','TA','Gd','Ex'],dtype='object',name='FireplaceQu') [1.2976415 1.41331483 1.67298485 2.05723489 2.26351416 3.377125 ]
正常序数编码的问题是模型提供的权重将具有相等的间隔，即使我们可以看到从 ('Po' 到 'None') 并不总是等于从 (None 到 Fa ) 等。
在现实世界模型中使用是否是一个好习惯？如果我能找到这样的编码，我也搜索了很多，但我找不到，我想知道是否应该使用它。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）