【機械学習】ダミー変数とOne-Hotエンコーディングとの違いは？

Question

現在、Pythonで機械学習を学んでおります。
カテゴリデータの前処理をするのに「ダミー変数」「One-Hotエンコーディング」という２つのキーワードが学習サイトなどで登場します。

２つともカテゴリデータを「0」と「1」だけの数列に変換する処理で同じだと思うのですが、なにか違いや使い分けがあるのでしょうか。
教えて下さい。

【補足】
例えばPandasだと「pandas.get_dummies」というダミー変数に変換する機能があります。

Scikit-learnだと「sklearn.preprocessing.OneHotEncoder」という「One-Hotエンコーディング」を行う機能があります。

Answer 1

https://stackoverflow.com/questions/36631163/what-are-the-pros-and-cons-between-get-dummies-pandas-and-onehotencoder-sciki

pandas.get_dummiesは一回きりですが、sklearn.preprocessing.OneHotEncoderは再利用できます。
つまり、学習用データでEncoderを作成し、それを再び用いてtestデータに対して同じ変換をしてやることができます。

handle_unknown引数も用意されており、学習データでなかったカテゴリが出現した際の対応を指定できます。

Comments

[tantan1]

ご回答ありがとうございます。
pandas.get_dummiesとsklearn.preprocessing.OneHotEncoderにはそういう違いがあるんですね。
「ダミー変数」「One-Hotエンコーディング」という言葉自体、中身のやることは同じという認識でよろしいのでしょうか？

[nouken]

私の中では同じという認識です。