我有一个具有分类变量 class 的数据集，我正在尝试解决回归问题
我不知道是否应该在整个数据集上构建模型并将变量 class 视为输入变量之一，还是应该为每个类构建一个完全不同的模型。
什么是通用规则，可以帮助我在两种方法之间做出决定。
这是我的数据外观的一个示例
+------------+----+-----+-----------------+
| Class | X1 | X2 | Speed |
+------------+----+-----+-----------------+
| Class1 | 12 | 123 | 10 |
| Class2 | 14 | 120 | 32 |
| Class3 | 15 | 34 | 12 |
| . | . | . | . |
| . | . | . | . |
| . | | | |
| Class 300 | 23 | 13 | 45 |
+------------+----+-----+-----------------+
Class是输入类别变量，我大约有300个类。输出变量为Speed。我正在尝试使用变量Class，X1，X2来预测速度。
我应该分别为每个Class建立一个模型。因此，当我知道输入类型为Class1时，我将选择为Class1构建的模型。当输入类型为Class2时，我将使用为Class2构建的模型，依此类推。同样，Class变量中的值可以重复，意味着Class1可以出现4倍，Class2可以出现8倍，等等
我在想的另一种方法是将Class本身作为变量包含在内，并仅构建一个模型。
我不知道哪种是正确的方式
答案 0 :(得分：1)
没有公认的正确方法。大多数人会告诉您尝试两种方法，然后使用最适合您数据的方法。不过，请注意以下几点：
每个类是否都有足够的数据点来构建准确的模型？如果不是这样，将所有类（或类似的类）组合在一起可能是更好的方法。
如果确实需要组合类，那么如果其他任何参数的规模都不相同，则可能需要规范化数据。 （请参阅Feature scaling作为参考。）
在不了解数据性质的情况下很难说更多话。