machine-learning - 如何在随机森林模型训练中最好地使用邮政编码？

Question

我有一个带有邮政编码列的数据集。它们在输出中具有一定的意义，我想将其用作一项功能。我正在使用随机森林模型。

我需要有关使用邮政编码列作为功能的最佳方法的建议。 (例如，我应该获取该邮政编码的纬度/经度，而不是直接输入邮政编码等)

提前致谢!

Answer 1

处理邮政编码或任何高基数分类列的常见方法称为“目标编码”或“影响编码”。在H2O，您可以申请target encoding到任何分类列。从 H2O 3.20 开始，这仅在 R 中可用，但在下一个稳定版本 3.22 中，它将在所有客户端中可用(JIRA 票证 here )。

如果您使用 R，我的建议是尝试目标编码和 Lauren 提到的 GLRM 方法并比较结果。如果您使用 Python 或其他语言，请暂时尝试 GLRM，并在 H2O 3.22 发布时尝试目标编码。