标签：Dummy 变量 基准 x2 类别 虚拟 Trap Variable x1

虚拟变量陷阱（Dummy Variable Trap）：指当原特征有m个类别时，如果将其转换成m个虚拟变量，就会导致变量间出现完全共线性的情况。

假设我们有一个特征“性别”，包含男性和女性两个类别，如果将此特征转换为2个虚拟变量，就是：男x₁=[1,0]，女x₂=[0,1]，意思就是：变量x₁，当性别为男时，x₁=1，否则x₁=0；变量x₂，当性别为女时，x₂=1，否则x₂=0。这样，目标y=w₁x₁+w₂x₂+b。因为x₁+x₂=1，因此，变量x₁和变量x₂之间存在线性关系，同时使用这两个变量将会导致共线性问题，使得模型参数无法估计。

解决的办法是：把目标y变成y=w₁(x₁+x₂)+(w₂-w₁)x₂+b=(w₂-w₁)x₂+w₁+b，意思就是把其中一个变量作为基准（这里是用“男”作为基准），将其从目标方程式中删去，这样只通过一个变量x₂就能推导出所有信息，x₂=1就表示性别为女，x₂=0则表示性别为男。

需要注意的是，针对二元定性变量到虚拟变量的转换，直接对类别进行数字编码（男：0，女：1）和将其转换为虚拟变量（男：[0]，女：[1]）看似一样，但这只是一个巧合而已，这两种方法有本质的区别。前者是直接将类别型变量转变成离散值进行表示，后者是减少一个变量（作为基准），只留取一个变量，在此基础上对另一个变量进行推论。一定要注意不要搞混了。

总结来说就是：当原特征有m个类别时，我们需要将其转换成m-1个虚拟变量。

还有一点需要注意的是，基准类别该如何选择？如果基准类别选择不合理，虚拟变量之间仍然会存在共线性的问题。这里直接给出结论：选择占比最大的类别作为基准类别。假设有a，b，c三个类别，如果基准类别a占比太少，那么即使把a去除，b和c之和也会接近于1。

参考：https://cloud.tencent.com/info/a018bd66948cd1ac84665f6fafc2082a.html

标签：Dummy,变量,基准,x2,类别,虚拟,Trap,Variable,x1
来源： https://www.cnblogs.com/HuZihu/p/11330853.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。