🗂

数据驱动域 · 考点数11

数据编码

本页目录：Tips 笔记解读笔记缺漏补充考点分析考察范围清单

📝 Tips 笔记解读▾

● 关键词"独热编码：针对无序数据的" —— 独热编码（one-hot）适用于无序/名义类别变量；可命题：对有序类别误用独热会丢失顺序信息，对无序类别误用序数编码会引入虚假顺序。
● 关键词"百分比数据（包含非数值类型数据）：无法作为训练数据训练预测模型" —— 含非数值类型的百分比数据不能直接作为训练数据，须先转为数值格式。可命题：对象/非数值格式字段无法被模型处理。

以下为考点明显在考但Tips未覆盖的内容，单列作补充：

⚠ 笔记缺漏补充▾

● 风险序数标签编码（ordinal/label encoding）适用于有序类别；若用于无序（名义）类别会引入虚假的顺序关系，是最大风险。
● 风险对本身有序的类别（如舱位等级）使用独热编码会丢失其顺序信息，是风险最大的转换方式。
● 关键词模型能否处理数据取决于字段格式：整数/浮点/布尔可处理，对象格式（如百分比存为文本）无法处理或做关联分析。

🎯 考点分析▾

考察主线：本批题考查类别变量编码方式的正确选择及其风险——独热编码用于无序、序数标签编码用于有序；编码方式选错（对有序用独热丢失顺序、对无序用序数引入虚假顺序）是核心风险；非数值/对象格式数据无法训练。
正确答案的共同知识方向：
- 独热编码适用于无序（名义）类别，对有序类别误用会丢失顺序信息（风险）。
- 序数标签编码适用于有序类别，对无序类别误用会引入虚假顺序关系（风险）。
- 含非数值/对象格式的字段（尤其百分比）无法作为训练数据，模型无法处理。
- 判断"模型能否处理全部数据"应看字段是否均为数值格式。
常见干扰方向：
- 把未做数据缩放、未做聚类分析当作最大风险（实为编码方式错误）。
- 把整数编号、浮点等级、布尔字段当作无法处理的问题字段。
- 把"字段无关业务目标""存在空值"当作最令人担忧（实为格式/非数值问题）。
场景分布：汽车颜色/产品口味/客户舱位/狗品种等类别编码、大学成绩预测数据集。

📋 考察范围清单▾

独热编码：适用于无序/名义类别；对有序类别使用会丢失顺序信息（风险）。
序数标签编码：适用于有序类别；对无序类别使用会引入虚假顺序关系（风险）。
编码选择原则：按类别是否有序选择独热或序数编码，避免顺序信息失真或虚假顺序。
数值格式要求：训练数据须为数值格式；对象/非数值类型（如百分比存为文本）无法作为训练数据，须先转换。
格式判定：整数、浮点、布尔可处理；对象格式字段是模型无法处理/关联分析的来源。
与数据相关性边界：编码属类别→数值转换，与相关性强弱分析区分。

📄 Tips.pdf 补充对照▾

独热编码：针对无序数据
百分比数据：包含非数值类型数据，无法作为训练数据训练预测模型

→ 打开 PDF 补充页查看全部条目

← 上一个考点数据相关性首页导航下一个考点 →数据质量