高基数特征-类别特征常用的处理方式

网址，特征处理方式
(https://zhuanlan.zhihu.com/p/26308272)

平均数编码：针对高基数定性特征（类别特征）的数据预处理
类别型特征：都是字符串，都在固定几个类中选择，有限的类别，
如何处理：
1.序号编码，比如，成绩，优秀》良》合格》不合格，分别赋值4，3，2，1
2/ 独热编码，互相之间没有顺序，比如颜色，血型
那么，就做成矩阵的，有的就赋值1，没有就0，从1维变成4维矩阵
A B AB O
10 0 0
0 1 0 0
0 0 1 0
0 0 0 1
变成稀疏矩阵，就会占用大量的空间，如何解决
1/使用稀疏向量的方式来存储特征，就会节省很多空间，使用现成的函数能够
2/降维，PCA，降低维度，
三/二进制编码
血型，A B AB O,分别给他们编个号分别1 2 3 4，使用二进制方法，分别表示1=001 2=010 3=011 4=100，比独热编码少了一维，当数据量大的时候可以节省很多空间