我试图包含一个变量，如“帐号”，它是一个“ID”，作为逻辑回归模型的预测变量。事实上，我的数据集中有几列是“ID”，但对于预测结果很重要。例如，如果一个帐号与一个欺诈性电话号码相关联，我希望我的模型能够捕捉到这种关系。将这些变量转换为分类变量并不是一个解决方案，因为每列中有超过 2000 万个。我已经完成了词嵌入并将每个 ID 转换为向量空间，然后应用 PCA 来减小空间的大小，并将每个 ID 替换为一个向量和一个 ID 列，这些列现在是连续变量。然而，当 ID 的数量超过一百万时，这个想法就会失败。如果您指出与我的问题类似的示例/研究，我将不胜感激。如果我需要更详细地解释问题，请告诉我。我在 python 中使用 gensim 库进行词嵌入，并使用 amazon ML 来训练和测试模型。

更新：最近 tensorflow 开发人员添加了一个名为“散列”和“嵌入”的新功能。