Python 机器学习：处理大量分类数据的最佳技术

假设我有一个5000行的矩阵，有10列，其中大部分都是分类数据（字符串），每列有10-30个不同的字符串。在python中处理它的最佳理想方式/算法是什么？OneHotEncoder会给我一个非常大的矩阵

为什么不使用图形数据库，例如： 但我的建议是JCR：

---

您可以进行更深入的叶索引并获得非常灵活的查询

我不知道它是否理想，但您可以使用scipy。您可以尝试一个热编码和结果矩阵的表示。

Scikit learn的一个热编码器默认使用稀疏矩阵，因此精确的矩阵形状没有问题（因为它不会存储非零条目）

---

一些简单的sklearn算法（线性模型、树、朴素贝叶斯）能够处理此类稀疏数据-具体示例请参见第节或

谢谢你的回答，我不知道它们，现在我阅读了相关内容并尝试使用OneHotEncoding，然后拟合一些模型并获得“特征重要性”。使用前10-15%的功能进行培训，然后再次检查准确性和f分数。这将减少功能的数量。此外，准确度和f分数将略微降低。适用于监督学习。您可以尝试使用支持分类功能的梯度增强。查看CatBoost