sklearn是否具有有效的方法来编码具有许多唯一值的层次结构特征？
这里是上下文：我有一个汽车价格数据集，我想建立一个（回归和随机森林）模型来预测汽车价格。在数据集中，两个要素是分类的：制造商和模型。例如，制造商包括Nissian，Honda等，模型包括Skyline，Accord等。每个模型都属于制造商，因此在这两个功能之间形成了层次结构。
数据集中有50个不同的品牌和900个不同的模型。我尝试使用sklearn的LabelEncoder和OneHotEncoder对这两个功能进行编码，这导致了非常稀疏的矩阵，每行有900多个虚拟变量。显然，这确实使用了制造商和模型之间的层次结构，这将导致学习模型效率低下。 sklearn是否有更好的方法来编码这两个功能？