python - 如何将高基数分类特征处理为预测机器学习模型的数值？

Question

我有两列具有高基数分类值，一列（area_id）有 21878 个唯一值，另一列有（page_entry）800 个唯一值。我正在构建一个预测 ML 模型来预测网页上的点击量。

列信息： area_id：会话期间访问过的所有位置。（具有网页不同区域的位置代码）

page_entry：描述会话的登陆页面。

除了 one_hot 编码之外，如何将这两列更改为数字？

谢谢你。

标签： pythonmachine-learningdata-sciencedata-cleaningdata-processing

Answer 1

一种方法是使用业务规则将您的分类级别分组到更小的存储桶中。对于您的功能area_id，您可以简单地根据它们的地理位置对它们进行分组，比如说所有area_ids来自单个地区（或就此而言任何其他聚合级别）将被单个id. 同样，page_entry您可以根据某些属性（例如运动、旅行等网页的性质）对相似的页面进行分组。通过这种方式，您可以显着减少变量的数量维度。

希望这可以帮助！