Machine learning Onehot编码2500个不同的分类变量
我正在做一个航班推荐项目，其中每个来源的机场代码将与一些数据一起给出。有了这些，我必须预测飞机可以到达的目的地 我必须处理600多万行。因此，在oneHotEncoding机场代码时，我面临一个问题（在当前的数据集中，机场代码超过3000个）。在将其装配到模型中之前。 有人能建议如何进行onehotencode编码或处理此类问题吗Machine learning Onehot编码2500个不同的分类变量,machine-learning,bigdata,classification,one-hot-encoding,multilabel-classification,Machine Learning,Bigdata,Classification,One Hot Encoding,Multilabel Classification,我正在做一个航班推荐项目，其中每个来源的机场代码将与一些数据一起给出。有了这些，我必须预测飞机可以到达的目的地 我必须处理600多万行。因此，在oneHotEncoding机场代码时，我面临一个问题（在当前的数据集中，机场代码超过3000个）。在将其装配到模型中之前。 有人能建议如何进行onehotencode编码或处理此类问题吗 from sklearn.preprocessing import OneHotEncoder onehotencoder1 = OneHotEncoder() on
from sklearn.preprocessing import OneHotEncoder
onehotencoder1 = OneHotEncoder()
onehotencoder1.fit(X)
X = onehotencoder1.transform(X)
我尝试了更少的数据，但效果很好。您尝试过熊猫吗？它有一个类似的
get_dummies