Machine learning 将大量分类变量编码为输入数据

当您处理数百个类别时，一个热编码听起来不是一个好主意，例如，其中一列是“first name”的数据集。对这类数据进行编码的最佳方法是什么？

如果有大量的类别，分类算法就不能很好地工作。相反，有一种更好的方法可以做到这一点。对数据应用回归算法，然后对这些输出应用训练偏移。它会给你更好的结果

---

可以找到一个示例代码

我推荐散列技巧：

它计算成本低，易于使用，允许您指定维度，并且通常是分类的一个很好的基础

对于您的特定应用程序，我将散列特征值对，如（'FirstName'，'John'），然后为散列值增加bucket