浏览器和版本应该如何进行热编码？

Question

我需要为一个热编码输出浏览器和版本数据。我们提出了几个选项（如下所述）。我进行了一些搜索，但找不到具有相似数据的任何现有示例（已搜索 Kaggle Datasets and DuckDuckGo）。

选项 1：将浏览器名称和版本合并在一起的一列
- 例如"browser_version" 列值："Safari-1.2.3"、"Chrome-4.5.6"、"Firefox-7.8.9"

| order_id | browser_version |
| 1        | Safari-1.2.3    |
| 2        | Chrome-4.5.6    |
| 3        | Firefox-7.8.9   |

选项 2：两列：一列是浏览器名称，另一列是浏览器版本
- 例如"browser"（第 1 列）值："Safari"、"Chrome"、"Firefox"
- 例如"version"（第 2 列）值：“1.2.3”、“4.5.6”、“7.8.9”

| order_id | browser | version |
| 1        | Safari  | 1.2.3   |
| 2        | Chrome  | 4.5.6   |
| 3        | Firefox | 7.8.9   |

选项 3：两列：一列是浏览器名称，另一列是浏览器名称和版本合并在一起
- 例如"browser"（第 1 列）值："Safari"、"Chrome"、"Firefox"
- 例如"browser_version"（第 2 列）值："Safari-1.2.3"、"Chrome-4.5.6"、"Firefox-7.8.9"

| order_id | browser | browser_version |
| 1        | Safari  | Safari-1.2.3    |
| 2        | Chrome  | Chrome-4.5.6    |
| 3        | Firefox | Firefox-7.8.9   |

为一种热编码设置数据值（假设是 CSV 文件，列）的最有益方法是什么？

我想正确的答案可能是测试每个选项并检查结果，但我认为这可能是以前做过的事情，所以我认为值得一问。

Answer 1

我会使用第一个选项。它将给出每对索引（浏览器 | 版本）。

第二个选项将不同浏览器的版本号放在同一列中，而这些数字没有可比性。您可以将 Chrome 版本号与另一个 Chrome 版本号进行比较，但不能将 Chrome 版本号与 Firefox 版本号进行比较。

第三个选项包含第一个选项，还有额外的冗余数据。

浏览器和版本应该如何进行热编码？

How should browser and version be one hot encoded?

machine-learning

one-hot-encoding