我是否保留具有数字类别的要素或创建虚拟变量？

Question

我正在处理一个数据集，该数据集包含数字特征和类别但使用整数编码的功能。例如，如果是赛马，

horse_id   race_date    track_no        race_number    barrier_number  won_race  
1          2016-10-01   100             1              4               1
2          2016-10-01   100             1              3               0
1          2016-10-15   200             3              5               0
...

所以，如果我创建了一匹马的模型，可以赢得一场比赛，并使用像race_number这样的功能（在同一个赛道上可以有几场比赛）那应该对赛道条件产生影响）和barrier_number（一匹马可能更喜欢在内部障碍或外部障碍等），我应该保留这些特征，还是创建表示1的虚拟变量（存在）和每行变量0（不存在）？

这是一个简单的例子，但这些列可能有大量可能的值，创建虚拟变量会增加很多特征的维度。这是一个必须做出的权衡，还是只留下一个列呢？

编辑另外，如果我按原样保留列并将其转换为pandas中的护理dtype，这是一个好习惯吗？像Scikit-learn这样的现有ML库是否会正确处理？

Answer 1

对于所描述的功能（race_number，barrier_number），我认为离开原样是完全可以的。但是，对于上面的示例，我将编码track_no功能。

这是因为各个track_no值之间没有关系。

我会把上面的例子改为：

horse_id   race_date    track_100      track_200        race_number    barrier_number  won_race  
1          2016-10-01   1              0                1              4               1
2          2016-10-01   1              0                1              3               0
1          2016-10-15   0              1                3              5               0

我希望有所帮助！