分类特征:定序、定类,编码分类特征,考虑距离度量的含义。此处只讨论高基数的定类编码:
- 区间计数方案
- 特征哈希方案:
import pandas as pd from category_encoders.hashing import HashingEncoder df_X = pd.DataFrame([1,2,3,4,1,2,4,5,8,7,66,2,24,5,4,1,2,111,1,31,3,23,13,24],columns=list("A")) he = HashingEncoder(cols=["A"],return_df=True) df_X = he.fit_transform(df_X)
- 实体嵌入方案:这部分我会根据一片论文进行详细的讲解,将会在后面推出。