我是机器学习的新手，正在研究分类（标称）数据的分类问题。我尝试将BayesNet和一些“树和规则”分类算法应用于原始数据。我能够达到0.85的AUC。
我还想通过预处理或转换数据来改进AUC。但是，由于数据是分类的，因此我认为不同列的对数转换，加法，乘法等在这里不起作用。
有人可以列出在分类数据集上最常用的转换是什么吗？（我尝试了一次热编码，但它占用大量内存！！）
正如您所提到的，根据我的经验，Categorical最适合处理一键编码（例如，转换为二进制矢量）。如果存在内存问题，则可能值得使用在线分类算法并动态生成修改后的向量。
除此之外，如果类别代表一个范围（例如，如果类别代表诸如年龄，身高或收入之类的值的范围），则可以对中心进行处理（或者，如果存在标签内，则可以使用一些适当的均值）类别）作为实数范围。
如果要应用聚类，还可以将类别标签视为轴上的点（1、2、3、4、5等），并根据其他要素进行适当缩放。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句