对于结构化数据，您通常面临 4 个挑战：

(1) 缺失数据

(2) 异常值

(3) 基数

(4) 稀有值（根据经验，<5%）

分类变量中的稀有值往往会导致过度拟合，尤其是在基于树的方法中。博士 数据科学家 Soledad Galli 有一个关于这个主题的精彩课程（Udemy：“特征工程”。下面是她课程的截图，但为了公平起见，我不会发布解决方案。