【发布时间】：2021-07-15 17:56:10
【问题描述】：
我正在尝试制作一个小型数据科学工具（有点像 WEKA 的迷你版）。现在，我有这些具有大量特征（70-100+）的数据集，它们大多是分类的。我将 Python sklearn 用于机器学习逻辑，我需要根据我得到的 sklearn 错误将这些类别转换为数值。
鉴于此，One Hot Encoding 不是一种选择，因为它会过度扩大维度。
我研究了其他可能有效的方法，如频率编码、标签编码等。但我不确定在我的情况下该选择什么。
另外，有人知道 WEKA 是如何处理这些问题的吗？我在 WEKA 中输入了我的数据集，它们运行良好，它们给了我很好的结果！
任何帮助将不胜感激。谢谢！
【问题讨论】：
-
您打算使用哪些 ML 算法？还是您希望您的编码是通用的？
-
我将提供朴素贝叶斯、随机森林、SVM 和逻辑回归选项。虽然最好是通用的，因为我还将提供功能选择选项。
标签： python machine-learning scikit-learn weka categorical-data