数据集具有编码和缩放功能

Question

我有一个具有非序数分类特征的数据集。在训练机器学习模型(线性SVC(之前，对它们进行转换(编码+缩放(的最佳方法是什么？

我尝试过的东西：

1. 标签编码-这是有效的。但是缩放是没有意义的，因为一个功能中的不同类别没有任何特定的顺序。

2. 一个热门编码-一个功能中有成千上万个独特的类别，这通过创建数千列使ML模型变得复杂。

3. 计数编码-我的训练测试分割在训练集中没有一个特征的所有唯一类别，这在我对这些特征进行计数编码时在测试集中引入了NaN。

感谢您的帮助！

Answer 1

要解决测试集中有一些不在训练集中的唯一值的问题，可以尝试执行以下操作：

1. 使用df = train.append(test)合并训练数据集
2. 应用您以前使用过的编码
3. 将数据集拆分回训练并使用以下方法进行测试：

• train = df.head(len(train))

• test = df.tail(len(test))

根据我的经验，我可以说LabelEncoding和OneHotEncoding是编码非有序特征的一些最佳技术。

希望这有帮助：(