トップページ | ひとつ上のページ | 目次ページ | このサイトについて | ENGLISH

2進数変換(Binary encoding)

2進数変換は、「Binary encoding」という名前が一番メジャーなようです。 「2進数変換」という名前は、呼びやすい日本語名がないようなので、筆者が付けたものです。

質的変数を、0と1を使った量的変数に変換する点は、 ダミー変換 と同じですが、変換の仕方が違っていて、2進数の考え方が使われています。

手順

sample sample sample

長所

変数の削減効果

この方法ですと、ダミー変換の2つの弱点を解決することができます。 ダミー変換では、元の1列が4列に増えましたが、 ”2進数”変換では、2列で済みました。

下の絵は、カテゴリが3つの場合の違いを表しています。 左がダミー変換で、右が2進数変換です。

3つを表すのに、ダミー変換は3次元(3変数・1辺1の立方体)が必要で、2進数変換は2次元(2変数・1辺1の正方形)を使っています。 この違いは、次元数の違いは、カテゴリが多いほど顕著になり、「削減」という点では、2進数変換の長所です。
sample

短所

分析の時の扱いやすさ

ダミー変換は、変数の名前がカテゴリの名前になるため、扱いやすいです。

2進数変換は、変換の対応表を参照する必要があるため、扱いにくいです。

現象の表し方

下の絵は上の絵に、2つのカテゴリの間の距離を表す線を追加しています。

左のダミー変換では、カテゴリ間の距離は、すべて正方形の対角線の長さなので、2の平方根です。

一方、2進数変換では、Tokyo-Parisが1、Tokyo-Londonが1、Paris-Londonが2の平方根です。 「距離に違いがある」という情報は、元のデータにはなかったものです。 この距離の違いは、変換する時の、処理の順番で変わってしまいます。

こうなってしまうため、 距離 を使って分析する方法を使うと、何を分析しているのかわからなくなってしまいます。

sample

2進数変換の使い道

長所が効果的に働いて、短所の影響が出ないのは、記号の処理のようにして、カテゴリを扱うような時だけではないかと思います。 「コード表」といった名前で、2進数と、実際の名前の関係を定義しておいて、コンピュータは処理しますが、そういった使い道です。

データサイエンス と言われるような手法は、どれも 距離 が影響するので、不向きのようです。

ソフト

Rによる2進数変換 のページがあります。



データフィジクス(データ物理学)


順路 次は ファジィ理論

データサイエンス教室