想必各位用过数据挖掘算法的朋友都会遇到一个问题，就是如何对分类变量进行量化，这个在回归建模或求距离的时候经常遇见。

在此，我把这个问题分解成三个子问题，如下：

（1）对有序分类变量的量化。

（2）对逻辑变量的量化。

（3）对无序分类变量的量化。

首先，对有序分类变量的量化，这个比较简单，常用顺序编号代替具体的分类来量化。比如一次比赛有三个名次。小明得了第一名，小强得了第三名，小方得了第二名。对于这种情况，小明、小强、小方的名次可以用一个向量来表示A=（第一名，第三名，第二名）。为A编号得到向量B=（1，3，2）。在进行分析时，我们直接使用B就可以了。这是针对有序分类变量量化的一种处理思路。

其次，对于逻辑变量的量化，我们直接将逻辑值分别用0或1表示即可。但是需要注意到具体属性的业务含义，以免弄错。比如，属性‘是否男生’，对于值（男，女，男）这样的值，可以得到量化后的值（1，0，1）。同样的序列，如果针对属性‘是否女生’，则它的量化结果为（0，1，0）。这两个量化结果是完全不一样的。马上就会有人提出这样的问题，”如果属性不是逻辑判断，而是<性别>，那该怎么量化呢“，这其实是接着下面要讨论的量化方法。

最后，这里简单介绍一种针对无序分类变量的量化方法。就拿上一段落的一个问题来说，男和女表示性别，然后对这样的一个序列（男，女，男，男）该如何量化呢？我们可以这样考虑：这里性别为男的出现3次，性别为女的出现1次，男女出现次数之比为3：1。也就是说对性别这个属性而言，男的权重比女的权重要大。我们可以尝试将（男，女，男，男）序列，量化为（3，1，3，3），而通过求秩变为（2，1，2，2），等等。

至于效果这里不作验证，但我觉得既然是开放性的思考，思考自然也可以海阔天空，也希望各位有识之士多提意见~