对于线性回归问题，我测试了sklearn One Hot Encoding，先丢弃后不丢弃。结果表明，当没有删除列时，r_2得分更好。
from sklearn.preprocessing import OneHotEncoder
ohe = OneHotEncoder(drop= 'first') # r_2 score 0.67
首先下降r2_score=0.67
ohe = OneHotEncoder() # r_2 score = 0.78
不首先丢弃(i，e保持默认值(r2_score=.78
那么，在Sklearn OneHotEncoding中不使用drop=first可以吗？
OneHotEncoder中的参数drop并不是用来指定是否应该删除列。相反，正如官方文件所述：
指定一种方法，用于为每个功能删除一个类别。
特别是，选项drop='first'将：
删除每个功能中的第一个类别。如果只存在一个类别，则该功能将被完全删除。
因此，可能会删除整列，但前提是它只有一个类别(在这种情况下，它无论如何都没有用处(。
关于r2分数的变化，文档也解决了这个问题：
然而，删除一个类别会破坏原始表示的对称性，因此可能会在下游模型中引发偏差，例如惩罚线性分类或回归模型。
当您使用drop='first'时，这似乎影响了您的模型，最好不要删除任何类别(是的，您确实可以这样做(。
我想你可能想读一下这篇博客文章：https://inmachineswetrust.com/posts/drop-first-columns/
它包含了一个合理的解释，解释了为什么你的R2发生了变化，而且它主张根本不删除任何OHE列。