许多机器学习算法，例如神经网络，都希望处理数字。因此，当您拥有分类数据时，您需要对其进行转换。我的意思是分类，例如：
汽车品牌：奥迪、宝马、雪佛兰... 用户 ID：1、25、26、28...
尽管用户 ID 是数字，但它们只是标签，并不意味着任何连续性，例如年龄或金额。
因此，基本方法似乎使用二进制向量来编码类别：
奥迪：1、0、0……宝马：0、1、0……雪佛兰：0、0、1……
类别很少的时候还可以，但除此之外它看起来有点低效。例如，当您有 10 000 个用户 ID 进行编码时，它就是 10 000 个特征。
问题是，有没有更好的方法？也许一个涉及概率？
您始终可以将您的用户 ID 视为词袋：当数据稀疏时，大多数文本分类器可以处理数十万个维度（您不需要显式存储在内存中的许多零，例如，如果您使用Compressed Sparse Rows表示您的数据矩阵）。
然而问题是：将用户ID视为特征是否有意义？非规范化您的关系数据并使用用户特征（年龄、位置、在线昵称的字符、交易历史......）而不是他们的 ID 不是更有意义吗？
您还可以对原始用户向量进行聚类，并使用前 N 个最近的中心 id 作为激活特征，而不是用户 id。
等边编码可能是您在尝试将类编码到神经网络时所寻找的。它往往比其他帖子中引用的“n 中的 1”编码更好。作为参考，我建议：http ://www.heatonresearch.com/wiki/Equilateral