有多个重复值的工程师特性最好的方法是什么？
提问于 2021-03-06 19:03:28
有多个重复值的工程师特性最好的方法是什么？我想解析这些数据，并最终保存在熊猫df中进行进一步的分析。例如，我有一些人的个人资料，其中包括
Name, Age, Gender, Company, Degree现在很容易保留具有单一价值的姓名、年龄和性别，但公司可以拥有多个价值或多个价值，就像某人曾与谷歌或微软合作，或同时与谷歌、微软合作一样。
与度相同的情况下，人们可以同时拥有单一的和多个的价值。
现在，我把它们保留为逗号分隔的值，比如如果某人有不止一家公司，那么价值就是谷歌、微软。当我使用例如sklearn标签编码器对它们进行编码时，我得到了不同的代码，比如Google =1 Microsoft =2 Google，Microsoft =3。
我想这不是很准确，因为当数据增加时，它也会随着组合数量的增加而爆炸，如果我必须找到那些在谷歌工作的人的类似特性，我可能无法得到正确的答案，因为代码2和代码3永远不会匹配。
是否有更好的方法来处理这些数据？
回答 1
Data Science用户
发布于 2021-03-06 22:45:52
根据您所面临的ML问题的类型，可能会有或多或少合适的方法。
你试过单热编码了吗？它实际上应该回答你的问题，定义人的密集向量填充0s除外，在给定的公司坐标，他们将显示一个1。这有点蛮力，缺点是它肯定会增加特征向量的维数，但这是一个很好的起点。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/90345
复制相关文章
腾讯云开发者
