我有两列具有较高的基本分类值，一列（area_id）具有21878个唯一值，另一列具有（page_entry）800个唯一值。我正在建立一个预测性ML模型来预测网页的点击率。
列信息： area_id：会话期间访问过的所有位置。 （具有网页不同区域的位置代码编号）
page_entry：描述会话的登录页面。
除了one_hot编码之外，如何将这两列更改为数字？
谢谢。
答案 0 :(得分：0)
一种方法可能是使用业务规则将类别级别分组到较小的存储桶中。就功能area_id而言，您可以简单地根据其地理位置将它们分组，例如，来自单个地区的所有area_ids（或其他任何聚合级别）都将由单个id。同样，对于page_entry，您可以根据某些属性（例如体育，旅行等网页的性质）对相似的页面进行分组。通过这种方式，您可以显着减小变量的数字维度。
希望这会有所帮助！