我的数据旁边有一个稀疏矩阵。我认为这些数据可能是有益的，但因为它在通常的使用中是稀疏的，所以没用。有什么方法可以改造吗？比如PCA，你有经验吗？
附加细节：
我从事来自 Kaggle.com 的巨大竞争，我将国籍（基本名称特征）添加到数据中。我的国籍类似于：“北欧，斯堪的纳维亚，挪威”，所以我已将其转换为虚拟变量，但随后我有一个稀疏矩阵。
我认为通常稀疏矩阵对分类没有帮助，我们应该对其进行转换。（？？？是真的吗？）
我认为我应该以某种方式合并我的功能以减少稀疏性。
我们应该如何在分类中使用稀疏矩阵？
数据挖掘
转型
2022-03-01 01:56:52
2个回答
你的整个问题都很有道理，除了：
因为它在通常的用法中是稀疏的，所以没用
因此，我将尝试从不同的角度来回答这个问题。
稀疏矩阵的实现
稀疏矩阵并非无用，因为许多包包含接受稀疏矩阵作为输入的算法。
您可以以Sklearn的 SVM 为例。
您需要一个特殊的实现来处理稀疏矩阵，因为它们的存储方式与普通矩阵不同。但是，正如@Majid Mortazavi 的评论中提到的，您可以按照此答案将稀疏矩阵转换为普通矩阵并使用任何其他实现。你只需要小心你的内存使用。
稀疏矩阵的理论应用
稀疏矩阵并非无用，因为机器学习中的许多领域都使用了稀疏特征。
你可以以 NLP 为例。文本分类中使用的一个常见特征是TF-IDF，它是文档的稀疏表示。
由于数据稀疏，通常使用线性模型进行分类就足够了，因为数据点的大部分特征都是。这可以被认为是一件好事，因为它们更容易和更快地计算并且不需要多项式内核。
解决您的挑战
您还提到了 PCA 用于降维，但我不明白为什么此时您需要它。好像您正在创建一个稀疏矩阵来编码分类特征。
也许，您可以看看更好的方法来处理分类特征，而不是减少您的稀疏矩阵。
对于稀疏矩阵，您可以使用 TruncatedSVD 而不是 PCA。逻辑类似，但它接受 NLP 文本等稀疏数据。