您可以为特定参与者创建一个“标志”变量。每个演员在您的数据中都有自己的列，如果该演员在那部电影中，则该列将具有 1，如果该演员不在该电影中，则该列将具有 0。

当然，这会创建很多列并且编写代码可能很乏味，但是如果您想构建预测模型，二进制指标变量可能非常有用 - 我认为值得。

例子：

       actor1  actor2 actor3
movie1   1       0      0
movie2   0       1      1
movie3   0       1      0

编辑回复：导演/演员

为导演/演员组合的每个排列创建一个变量可能是不现实的。如果您想查看变量如何交互，您可以在构建模型时将交互编码到模型中。如果您要在 R 中执行此操作，它将如下所示：

movie.predictor <- lm(suggestion ~ actor1 + actor2 + director1 + director2 +
                      actor1:director1 + actor2:director1 + actor1:director2 +
                      actor2:director2,
                      data = movies.data)

R 中的“：”要求 lm(...) 函数考虑回归问题中这两个变量的交互作用，假设您正在进行回归。不要担心相同的“：”技术适用于多个模型函数。只需阅读您喜欢的语言和软件包的文档，并了解如何编写“可变交互”代码

当然，现在您正在输入变量交互的所有排列。您可能还需要考虑将演员和导演分组在一起的聚类算法。我不是电影专家，但似乎导演有最喜欢的演员（反之亦然），所以我希望会有导演和演员的集群，在这里和那里有一点重叠。

正如 bstrain 解释的那样，您可以将该列转换为$n_{actor}$二进制列。它确实会创建很多特征，但是您可以稍后进行降维。

我想指出的是，您也应该注意该Year功能。它也是数值型的，但有时您不能简单地将其留给模型。一些基于树的模型可以很好地处理它，但更多其他回归模型会以错误的方式处理它。在这种情况下，您可能想要手动提取特征，例如将其转换为“新”、“过去几十年”、“非常旧”等，然后对其进行一次热编码。