[問題] 資料中包含類別+數值型態建議怎麼處理

看板DataScience作者HumuHumu (呼姆呼姆)時間6年前 (2018/03/17 13:50)推噓4(4推 0噓 3→)

留言7則, 1人參與討論串1/1

想請問版上神人們，如果一個input data裡面有很多column 有些column屬於類別型(factor)，有些column屬於數值型態這種時候各位先進通常都會把類別資料怎麼處理呢? 有想過使用dummy variable和one hot encoding 可是使用dummy variable的話，一個column的類別(Level)愈多，會轉出太多的column，資料會變太龐大如果用one hot encoding轉換，那麼這個類別型column的如果有N種類別，那麼這個column 的每一筆資料都會轉成一個N維的vector，那麼這個column的維度就會變得跟其他數值資料型態的column不太一樣，這樣我就不知道要怎麼把這些column合在一起當作X變數了想請問版上大大們都是怎麼處理這類的問題，謝謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.114.53.208 ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1521265814.A.043.html

推

goldflower

03/17 14:56, 6年前 , 1^F

03/17 14:56, 1^F

推

goldflower

03/17 15:01, 6年前 , 2^F

03/17 15:01, 2^F

假如資料長這樣(假設都是X變數) ┌────────┐ │ Letter number│ │1 "A" 9 │ │2 "B" 4 │ │3 "C" 8 │ │4 "D" 7 │ └────────┘ 那如果把Letter這個column做one hot encoding應該會變成這樣 ┌──────────┐ │ Letter number │ │1 [1,0,0,0] 9 │ │2 [0,1,0,0] 4 │ │3 [0,0,1,0] 8 │ │4 [0,0,0,1] 7 │ └──────────┘ 這種每個column維度不一樣的資料怎麼輸入到model裡呢? 第一個col會是array，第二個依然是int或numeric