虚拟变量

# 建议使用pip3安装到python3环境下 pip3 install virtualenv pip3 install virtualenvwrapper-win # 配置环境变量： # 控制面板 => 系统和安全 => 系统 => 高级系统设置 => 环境变量 => 系统变量 => 点击新建 => 填入变量名与值 变量名：WORKON_HOME 变量值：自定义存放虚拟环境的绝对路径 eg: WORKON_HOME: C:\Virtualenvs # 同步配置信息： # 去向Python3的安装目录 => Scripts文件夹 => virtualenvwrapper.bat => 双击 # 在终端工作的命令 # 1、创建虚拟环境到配置的WORKON_HOME路径下 # 选取默认Python环境创建虚拟环境： -- mkvirtualenv 虚拟环境名称 # 基于某Python环境创建虚拟环境： -- mkvirtualenv -p python2.7 虚拟环境名称 -- mkvirtualenv -p python3.6 虚拟环境名称 # 2、查看已有的虚拟环境 -- workon # 3、使用某个虚拟环境 -- workon 虚拟环境名称 # 4、进入|退出 该虚拟环境的Python环境 -- python | exit() # 5、为虚拟环境安装模块 -- pip或pip3

在《 定量变量和定性变量的转换（Transform of Quantitative & Qualitative Variables） 》一文中，我们可以看到虚拟变量（Dummy Variable）与独热编码（ One Hot Encoding）非常相似，其不同之处在于：在 虚拟编码 方案中，当特征具有 m 个不同类别标签时，我们将得到 m-1 个二进制特征，作为基准的特征被完全忽略；而在 独热编码 方案中，我们将得到 m 个二进制特征。 可以看到，独热编码（ One Hot Encoding）比虚拟变量（Dummy Variable）多生成了一个变量，这对模型有什么区别呢？之前在《 虚拟变量陷阱（Dummy Variable Trap） 》一文中，我们阐述了使用独热编码会导致共线性问题，也就是自变量之间存在高度相关关系，从而使模型参数估计不准确。（另外，独热编码的截距表示均值，回归系数是与均值之间的差距；而虚拟变量的截距是参照类的值，回归系数表示与参照类的差距。）因此，如果线性模型有截距项，那么请使用虚拟变量；如果线性模型无截距项，那么使用独热编码。此外，如果线性模型有截距项，但在加了正则化之后，也可以使用独热编码，因为这相当于约束了 w 的解的空间。 除此之外，虚拟变量（Dummy Variable）与独热编码（ One Hot Encoding）之间还有什么区别呢？1

虚拟变量陷阱（Dummy Variable Trap） ：指当原特征有m个类别时，如果将其转换成m个虚拟变量，就会导致变量间出现完全共线性的情况。 假设我们有一个特征“性别”，包含男性和女性两个类别，如果将此特征转换为2个虚拟变量，就是：男x 1 =[1,0]，女x 2 =[0,1]，意思就是：变量x 1 ，当性别为男时，x 1 =1，否则x 1 =0；变量x 2 ，当性别为女时，x 2 =1，否则x 2 =0。这样，目标y=w 1 x 1 +w 2 x 2 +b。因为x 1 +x 2 =1，因此，变量x 1 和变量x 2 之间存在线性关系，同时使用这两个变量将会导致共线性问题，使得模型参数无法估计。 解决的办法是：把目标y变成y=w 1 (x 1 +x 2 )+(w 2 -w 1 )x 2 +b=(w 2 -w 1 )x 2 +w 1 +b，意思就是把其中一个变量作为基准（这里是用“男”作为基准），将其从目标方程式中删去，这样只通过一个变量x 2 就能推导出所有信息，x 2 =1就表示性别为女，x 2 =0则表示性别为男。 需要注意的是，针对二元定性变量到虚拟变量的转换，直接对类别进行数字编码（男：0，女：1）和将其转换为虚拟变量（男：[0]，女：[1]）看似一样，但这只是一个巧合而已，这两种方法有本质的区别。前者是直接将类别型变量转变成离散值进行表示，后者是减少一个变量