在分类问题中什么时候取虚拟变量？

Question

我正在做一个二进制分类问题，我预测一个客户是否会订阅一个运动(为航空业)。

我的数据集是在客户和活动名称级别，有43个变量正在考虑。

有一些变量是十分之一(1到10)和变量，如教育水平(0到5)。对于教育水平，我们不能说4是2的两倍。我应该如何对待我的变量？

我是否需要将这些变量转换为虚拟变量(0或1)，我正在运行Logistic回归、随机林、Xgboost在R中，如果我将这些变量转换为虚拟变量，如何检查变量的重要性(因子分析是抛出错误)

Answer 1

在我看来，你确实需要虚拟变量。如何将educational level转换为以下多个变量：

educational level:1

educational level:2

educational level:3

诸若此类。然后，您可以为每个变量提供虚拟变量。

例如,

educational level:1是:1不:0

educational level:2是:1不:0

然后将你的数据融入物流模型，尝试用“交叉验证”之类的方法重新整理数据。但我不太确定"variable importance"，你的意思是这个变量在统计学上是显着的还是.？