这些问题更多地与理论有关，而与我的语法中的特定问题无关。我有一个目前无法透露的数据集，也没有我的任何代码。但是，我的数据集具有199个特征和一个目标变量，我必须将其从多类（30个可能的值）转换为二进制（对或错）。我正在尝试使用有关这些记录的一些信息来预测应将记录指定为true还是false。就我的功能集而言，有些列以整数，浮点数和字符串值形式存在。但是，无论数据类型如何，其中许多都是名义分类特征，并且其中一些具有较高的基数。例如，一列包含具有超过4k个唯一值的数字错误代码列表。作为参考，如果我对整个数据集进行一次热编码（当然要减去响应变量），那么我最终将获得超过13k列。我目前正在探索散列作为降低维数的一种方法，但担心由于“冲突”导致的信息丢失。
鉴于此背景，我的问题如下：
1。将基于文本的响应变量标签转换为数值是否会产生序数？
在此示例中，1 =“真”，0 =表示“假”的任何原因。似乎不建议将标签编码用于功能，因为它会产生序数。使用
转换响应变量时是否存在相同的问题？.astype('int')?
我应该将它们转换为'true'或'false'并将其保留为字符串吗？
2。是否应将数字，名义，分类变量转换为“类别”数据类型？在“错误代码”列的示例中，我不知道将它们保留为** int 数据类型还是将其转换为 category 更好。所有数值是否都具有固有的序数性，或者仅仅是我通过某种方式（例如标签编码）转换的数据？
3。如何平衡信息丢失和高维度
从我正在阅读的内容来看，散列会导致信息丢失至“冲突”，而一键编码会产生“高维”问题。是否有平衡这两者的最佳实践，还是特定于用例？是否可以在我可能进行的任何交叉验证测试中测试这两种方法？
如果您能就这些问题分享任何见解，我将不胜感激，并期待我们的讨论。
谢谢