机器学习名义数据

Question

我正在使用svm进行机器学习。我尝试向svm提供数据，但是我的数据是名义数据，我不知道如何转换它。

我的数据如下：

--------------------------------------------------
Item | Productname | Label name | Packaging |etc...
--------------------------------------------------
1 | Battery Micro 4 | Batt. Micro | Folding|...
--------------------------------------------------
2 | Battery Micro 8 | Batt. Micro | Blister|...
--------------------------------------------------
3 | button cell Battery | btn Batt. | Blister | ...
--------------------------------------------------

我想训练我的svm以识别“ Battery Micro 4”是“ Productname”列
“ Batt。Micro”是“标签名称”列，“折叠”是“包装”列，依此类推。

像onehot这样的方法似乎对我的情况不利。 项目的数量会在一段时间后增加。

有人知道一种将这些数据转换为数值而信息损失更少的方法吗？

谢谢。

Answer 1

由于您的数据没有自然顺序，因此使用整数编码将毫无用处。下一个选项将是一种热编码，但是正如您所说的，项目数可能会增加，我们也可以丢弃此编码，下一个选项是获取对它们进行排序的所有离散值的值计数，然后从从最小到最大，在执行此步骤时，您还应注意离散值的基数，如果您的离散元素的基数<1％，则最好为这些值创建一个特殊类别，然后将所有此类值添加到该类别，因此，在测试时间内到达的任何新类别都应分配给该类别，因为其基数肯定会非常低。