笔记01--《可解释的机器学习》

书籍来源：https://christophm.github.io/interpretable-ml-book/bike-data.html

P-37

线性回归的解释-4.1.5分类特征的编码

有多个类别的特征(天气：阴天、小雨、大雪…)要如何编码，不同的编码方式对应不同的权重解释。

假设有三种类别（A、B、C）的范畴特征，选六个实例，前两个是A类，中间两个B类，最后两个C类。

第一种：Treatment coding，这种编码方式下，每个类别的权重是对该类别与参考类别预测的差异（理解为一个普通的w，不用想太多）

每行表示一个实例，列表示特征，第一列表示截距β0，所以一直为1，第二列表示B类、第三列表示C类，B和C都为0就表示A类；如果单独增加A类的列话，线性方程就无法计算出权值唯一解。

第二种：Effect coding，这种编码方式下，每个类别的权重是该类别与总体平均值的y差（假设所有其他特征为0或为参考类)。
这里理解为，此时特征矩阵中0和1代表的已经不是类别，而是差值，差几个β0，差几个β1这样。

第三种：Dummy coding，忽略截距，每类的β代表该类计算出的y的平均值（假设所有其他特征为0或为参考类)

很好理解 ，是哪类就给哪类标1，忽略截距是为了让权重有解