aa448e37b621

以下这些能否给个有效性排序？
如果某个特征有好几万个取值，那么用dummy variable就并不现实了，这时候可以用Count-Based Learning.
（更新）近期在kaggle成功的案例中发现，对于类别特征，在模型中加入tf-idf总是有效果的。
还有个方法叫“Leave-one-out” encoding，也可以处理类别特征种类过多的问题，实测效果不错。

此外，还有一种方法是可以参考文章
“A preprocessing Scheme for High-Cardinality Categorical Attributes in Classification and Prediction Problems”

文／JxKing（简书作者）
原文链接：http://www.jianshu.com/p/32def2294ae6
著作权归作者所有，转载请联系作者获得授权，并标注“简书作者”。

用python参加Kaggle的些许经验总结

最近挤出时间，用python在kaggle上试了几个project，有点体会，记录下。 Step1: Exploratory Data Analysis EDA，也就是对数据...

JxKing

39624 8 140