dummy variable是n个还是n-1个

应该是n-1个。如果是n个的话，就会有一个dummy variable是冗余的，因为它可以被其他n-1个表示出来。

对于线性模型来说，冗余的dummy variable会增加变量的多重共线性。

如果是用random forests，并且非常在乎feature importance的话，可能用n个dummy variable比较好，不然的话就缺少一个variable的importance。

毕竟多重共线性对random forests影响不大

“对categorical的变量做dummy variable，也就是one hot encoding”。

------

这句话其实不大准确，one hot encoding和做dummy variable不大等价。它们的区别其实也就是你提的问题。

如果一个分类变量有n类，那么做dummy variable的话，你得到的是n-1个二元变量；如果做one hot的话，你得到的是n个二元变量。

one hot encoding会有冗余的变量。