什么是类别特征？

类别特征主要指的是那些在有限选项内取值的特征，例如成绩（高中低）、性别（男，女）、血型（A、B、AB、O）等。对于这类特征，我们该如何表示呢？以下是三种常见的方法：序列编码、二进制编码和独热编码。

序列编码

序列编码适用于类别间存在顺序关系的情况。例如，成绩分为高中低三种等级，它们之间存在高低关系，可以表示为“低<中<高”。因此，我们可以给这些等级分配数字，不仅将其数字化，还表达了它们之间的顺序关系。例如，可以用3表示高、2表示中、1表示低。

二进制编码

二进制编码可以通过两步操作实现。首先，利用序列编码对类别进行编号，然后将这些编号转换为二进制形式。以性别为例，假设我们将男性编码为1，女性编码为0，再将其转换为二进制形式。这样，男性就可以表示为01，女性可以表示为10。二进制编码本质上是通过二进制数对类别进行哈希映射，从而得到唯一的二进制表示。

接下来，我们将介绍独热编码。