![](https://cdn-ak-scissors.b.st-hatena.com/image/square/1f8f77aa9584208a0ab0b6887345e87f28119b83/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9T25lSG90RW5kb2RlciVFMyU4MSVBNyVFNSU4NiU5NyVFOSU5NSVCNyVFMyU4MSVBQSVFMyU4MyU4MCVFMyU4MyU5RiVFMyU4MyVCQyVFNSVBNCU4OSVFNiU5NSVCMCVFMyU4MiU5MiVFNiVCOCU5QiVFMyU4MiU4OSVFMyU4MSU5OSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9OTU0NzliOTM4YjNiNDg1OGI0ZDkyOTVjYmE5ODYxMDc%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwa2ltaXN5byZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTMyJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9YmM0MDYzYTBlOWI0Nzc0YWI2YWU1NDNkMmQ4YTY5MmU%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D027378dddb97adc4b64edaddc5685f76)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
OneHotEndoderで冗長なダミー変数を減らす - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
OneHotEndoderで冗長なダミー変数を減らす - Qiita
はじめに scikit-learnのOneHotEncoderをそのまま使うと、カテゴリ変数の水準数分だけダミー変数が作ら... はじめに scikit-learnのOneHotEncoderをそのまま使うと、カテゴリ変数の水準数分だけダミー変数が作られる。この場合、線形回帰手法などでは多重共線性が生じるため、ダミー変数を水準数-1に減らしたい。その方法を調べたのでメモっておく。 環境 scikit-learn 0.21.2 方法 OneHotEncoderのdropオプションを"first"にすると、最初のダミー変数を除去してくれる やってみよう ここでは以下のようなカテゴリ変数が格納された列を抽出してカテゴリ変数にしてみよう。 from sklearn.linear_model import LinearRegression from sklearn.preprocessing import OneHotEncoder import numpy as np def main(): X = np.array([ [