我正在尝试在包含很多分类列的数据集上构建 ML 分类模型。但是，其中很少有超过 1000 个唯一值。我担心，如果我运行 one-hot 编码或 pandas 在它们上得到假人，它只会导致太多的功能无法使用。

因此，我试图找到占基础数据 90% 的前 N ​​个唯一值，并将其余的值分组为“其他”或“杂项”。但这使得“其他”或“杂项”价值成为最突出的价值。我担心这可能会扭曲模型/结果。关于我应该如何处理这种情况的任何指示？