将名义数据转换为数字数据？

Question

我正在尝试在我的数据集上运行聚类算法。我的数据集是一组数据包（源 IP、目标、端口、类标签）。我想将这些数据从名义数据转换为数值数据。转换这些数据的正确技术是什么？

Answer 1

通常的方法是执行一次热编码。虽然这显然是以数字方式对数据进行编码，但它带来了几个问题。

1. 增加的维度。这通常会导致可扩展性和区分问题（点之间的距离变得过于相似）
2. 归一化和加权问题。典型的标准化策略（例如最小-最大缩放和标准化）无法按预期工作'
3. 相关属性
4. 新属性值的处理
5. 变量将是离散的。许多算法（例如 k-means）需要 连续 属性才能正常工作。
6. 解释问题。例如。聚类中心通常不会以有意义的方式映射回原始空间。