我有如下数据集：
profile category target
0 1 [5, 10] 1
1 2 [1] 0
2 3 [23, 5000] 1
3 4 [700, 4500] 0
如何处理类别特征，此表可能还有其他附加特征。一种热编码会导致占用太多空间。因为行数约为 1000 万。任何建议都会有所帮助。
如何处理二进制分类问题的多标签特征？
数据挖掘
机器学习
Python
特征工程
2022-02-19 20:04:00
2个回答
我建议使用 scikit-learn对您的类别特征MultiLabelBinarizer进行编码。这是 one-hot encoding 的多标签模拟，但它有一个模式，应该可以解决你内存有限的问题。sparse_output
MultiLabelBinarizer 是一个不错的选择。对于稀疏特征，我会说首先对它们进行一些特征工程。如有必要，请保留它们，否则丢弃它们。如果你保留它们，那么通过应用减少错误的方法会有很大帮助。它们将填充稀疏特征，然后通过对分类特征进行编码，您可以在它们上应用机器学习模型。
我被困在具有更稀疏值的特征上，所以我遵循了上述方法。和我一起工作得很好。
其它你可能感兴趣的问题