python - 机器学习: best technique to deal with a lot of categorical data

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 5 年前。

Improve this question

假设我有一个 5000 行、10 列的矩阵，其中大部分填充有分类数据(字符串)，每列中有 10-30 个不同的字符串。在 python 中处理它的最佳理想方法/算法是什么？ OneHotEncoder 会给我一个非常大的矩阵

Answer 1

Scikit-learn 的 one-hot 编码器默认使用稀疏矩阵，因此精确的矩阵形状不成问题(因为它不会存储非零条目)。

一些简单的 sklearn 算法(线性模型、树、朴素贝叶斯)能够处理此类稀疏数据 - 具体示例请参见 Computational Performance部分或 Classification of text documents using sparse features