我是机器学习的新手，我正在研究分类（名义）数据的分类问题。我尝试将BayesNet和一些树和规则分类算法应用于原始数据。我能够达到0.85的AUC。
我还想通过预处理或转换数据来改进AUC。但是由于数据是分类的，我不认为不同列的日志转换，加法，乘法等在这里都可以使用。
有人可以列出应用于分类数据集的最常见转换吗？ （我尝试过单热编码，但需要大量内存!!）
答案 0 :(得分：2)
根据我的经验，分类最好处理一个热门编码（例如，转换为二进制向量），如您所述。如果内存是个问题，那么使用在线分类算法并在运行中生成修改后的矢量可能是值得的。
除此之外，如果类别代表范围（例如，如果类别代表一系列值，例如年龄，身高或收入），则可以对待中心（或某些适当的平均值，如果有＆＃ 39; s内部标签分布）类别范围为实数。
如果您正在应用聚类，您还可以将分类标签视为轴上的点（1,2,3,4,5等），并适当缩放到其他要素。