如何将高基数分类特征转换为数字以用于预测性机器学习模型？

Question

我有两列具有高基数的分类值，一列（area\u id）有21878个唯一值，另一列（page\u entry）有800个唯一值。我正在建立一个预测ML模型来预测网页的点击率。你知道吗

列信息： 区域标识：会话期间访问的所有位置。（具有网页不同区域的位置代号）

页面输入：描述会话的登录页。你知道吗

如何将这两列从一个热编码改为数字编码？你知道吗

谢谢你。你知道吗

Answer 1

一种方法是使用业务规则将分类级别分组到更小的存储桶中。对于功能area_id，您可以简单地根据它们的地理位置对它们进行分组，例如，来自单个地区（或任何其他聚合级别）的所有area_ids将被单个id替换。类似地，对于page_entry，您可以根据一些属性（如网页的性质，如体育、旅游等）对类似的页面进行分组。通过这种方式，您可以显著减少变量的维数。你知道吗

希望这有帮助！你知道吗