检查这篇文章。

在频率与目标变量有些相关的情况下，它有助于模型理解并根据数据的性质以正比和反比分配权重。

还要检查这个线程。

其背后的原理是什么？

高基数可能会导致维度灾难，实际上会降低模型的质量。

频率编码

这是一种利用类别频率作为标签的方法。在频率与目标变量有些相关的情况下，它有助于模型理解并根据数据的性质以正比和反比分配权重。将类别替换为在数据集中显示该类别的观察计数。同样，我们可以用数据集中观察的频率或百分比来替换类别。

如果频率与目标相关，它会有所帮助，并且它可以帮助模型理解较小的类别比较大的类别更不可信，特别是当频率编码与其他类型的编码并行使用时。

计数或频率编码的优点

• 直接实施。
• 不扩展特征空间。
• 可以很好地与基于树的算法一起工作。

计数或频率编码的限制

• 不会自动处理测试集中的新类别。
• 如果有两个不同的类别具有相同数量的观察计数，我们可能会丢失有价值的信息——这是因为我们用相同的数量替换它们。