如何处理某些属性中的多个值？

Question

我正在使用 WEKA 工具进行聚类数据分析，但是在我的某些属性中，域内有很多值。具体来说，我需要表示一些关于蛋白质的信息，我需要包含的信息是与其功能相关的术语。

例如，这些值包含在同一属性“功能”中：

“RNA-Binding protein”，“RNA bindingstructural components of ribosomerRNA binding”，“translation”，“intracellular ribosomeribonucleoprotein complex”。

而且这些术语非常多样化。

有人可以帮我吗？

Answer 1

一种常见的方法是将具有n不同类别的分类变量拆分为n二进制虚拟变量。

例如：

gender = {male, female} 可以用 2 个虚拟变量重写为：

1. male = [0, 1]
2. female = [1, 0]

在您的情况下，一个函数似乎可以包含多个不同的值（例如，一种具有多种功能的蛋白质）。这也很容易塑造成虚拟变量。