機械学習でのカテゴリ特徴量の扱いについて

こちらを読むと

• カテゴリ特徴量とは何か？が分かります。
• 機械学習でカテゴリ特徴量はどう扱うべきか？の概要が分かります。
• 記事の所要時間は5分です。

カテゴリ特徴量とは

データの特徴量（カラム）が、数値ではなく、選択値で表されるものです。

カテゴリ特徴量の例

カテゴリ特徴量の例としては、”性別”が分かりやすいです。
“性別”という特徴量は、数値ではなく、’男性’ / ‘女性’の選択値があります。

カテゴリ特徴量でないものは、例えばアヤメのデータセットでの”花びらの長さ”です。”花びらの長さ”は、2.34[cm]などの数値で表されます。

カテゴリ特徴量は機械学習モデルで扱えない

カテゴリ特徴量は残念ながら、そのままでは機械学習モデルで扱えません。

機械学習モデルは、入力のデータが数値となっていることが前提であるからです。

そのため、カテゴリ特徴量を数値に変換するため、いろいろな方法がとられます。

カテゴリ特徴量の変換例

ここでは、One-Hotエンコーディングという変換方法を例に挙げます。

変換前のデータが、以下のようになっているとします。

Id	性別
001	女性
002	男性
003	男性

これをOne-Hotエンコーディング変換すると、以下のようになります。

Id	性別_女性	性別_男性
001	1	0
002	0	1
003	0	1

“Id”は変わりませんが、ヘッダとデータが以下のように変わりました。

ヘッダ：”
　性別”　→　”性別_女性”、”性別_男性”
データ：
　”女性”　→　”性別_女性”=1、”性別_男性”=0
　”男性”　→　”性別_女性”=0、”性別_男性”=1

これにより、カテゴリ特徴量を、選択値→値に変換することができました。
値に変換できたので、機械学習モデルに与えて学習させることができます！

この変換方法をOne-Hotエンコーディングといいます。

まとめ

• カテゴリ特徴量とは何か？が分かりました。
• 機械学習でカテゴリ特徴量はどう扱うべきか？の概要が分かりました。

今回の記事では、カテゴリ特徴量の変換例としてOne-Hotエンコーディングを挙げましたが、他にもいろいろ変換方法はあります。

他の変換方法についても、別の機会に紹介したいと思います。