如何处理某些属性中的多个值？

Question

我正在使用WEKA工具进行数据分析，但是在我的一些属性中，域内有许多值。具体来说，我需要代表一些有关蛋白质的信息，我需要包含的信息是与其功能相关的术语。

例如，这些值包含在相同的属性“Function”中：

“RNA结合蛋白”，“核糖结合RNA结构的RNA结构成分”，“翻译”，“细胞内核糖核蛋白复合物”。

这些条款极大地多样化。

有人可以帮助我吗？

Answer 1

一种常见的方法是将n个不同类别的分类变量拆分为n个二进制虚拟变量。

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，似乎函数可以包含几个不同的值（例如，具有多个函数的1个蛋白质）。这也很容易塑造成虚拟变量。