Machine learning 如何在预测/回归模型中将列表作为条目处理属性？
我正在为音乐产业做一个预测模型。为此，我有一个数据库，里面有很多歌曲的数据。例如姓名、制作人或艺术家。 我的问题是，有很多数据以列表作为条目。例如，有很多歌曲有不止一位艺术家 我可以分割这些条目，这样我就有多个艺术家栏，但我不知道如何处理所有的空行。当一首歌列出了5位艺术家，但大多数歌曲只有一位艺术家时，大多数歌曲会有四个空栏 这是最好的处理方法吗？我想把所有的歌曲都限制在一个艺人的范围内，但是艺人的名字是按字母顺序排列的，所以我有风险从歌曲中删除超级明星，这可能会使我的预测无效Machine learning 如何在预测/回归模型中将列表作为条目处理属性？,machine-learning,regression,data-mining,Machine Learning,Regression,Data Mining,我正在为音乐产业做一个预测模型。为此，我有一个数据库，里面有很多歌曲的数据。例如姓名、制作人或艺术家。 我的问题是，有很多数据以列表作为条目。例如，有很多歌曲有不止一位艺术家 我可以分割这些条目，这样我就有多个艺术家栏，但我不知道如何处理所有的空行。当一首歌列出了5位艺术家，但大多数歌曲只有一位艺术家时，大多数歌曲会有四个空栏 这是最好的处理方法吗？我想把所有的歌曲都限制在一个艺人的范围内，但是艺人的名字是按字母顺序排列的，所以我有风险从歌曲中删除超级明星，这可能会使我的预测无效 因为数据点可以
因为数据点可以有1:n个条目，所以处理空行的最佳方法是什么？将数据表示为图形，而不是单个表 任何合适的方法都需要允许n:m个连接，因此您可以使用多个表（显然，不必在任何地方使用相同的唯一键，也可以简单地作为一个图
| Song 1 | Artist 1 |
| Song 1 | Artist 2 |
| Song 2 | Artist 3 |