将名义数据转换为数字数据

Question

我正在尝试在我的数据集上运行聚类算法。我的数据集是数据包集（源IP，目标，端口，类标签）。我想将这些数据从名义数据转换为数字数据。转换这些数据的正确技巧是什么？

Answer 1

通常的方法是执行一个热编码。虽然这显然在数字上对数据进行编码，但它存在一些问题。

1. 增加了维度。这通常会导致可扩展性和歧视问题（点之间的距离变得太相似）
2. 规范化和加权问题。典型的规范化策略（例如最小 - 最大缩放和标准化）不能按预期工作“
3. 相关属性
4. 处理新属性值
5. 变量将是离散的。许多算法（如k-means）需要连续属性才能正常工作。
6. 解释问题。例如。群集中心通常不会以有意义的方式映射回原始空间。