具有高基数的特征（如何向量化它们？）
Features with High Cardinality ( How to Vectorize them?)
我正在尝试 运行 使用 scikit 在数据集上学习的机器学习问题，其中一列（特征）具有大约 300K 的高基数 values.How 我是否对这样的特征进行矢量化。使用 DictVectorizer 不是解决方案，因为机器 运行 内存不足。
我在一些帖子中读到，我可以为所有这些字符串值分配数字，但会导致误导性结果。
有没有人处理过这种特征set.If那么，如何对其进行矢量化以便我可以将其传递给训练模型？
尝试FeatureHasher。它
is a low-memory alternative to DictVectorizer and CountVectorizer, intended for
large-scale (online) learning and situations where memory is tight, e.g. when
running prediction code on embedded devices.
我正在尝试 运行 使用 scikit 在数据集上学习的机器学习问题，其中一列（特征）具有大约 300K 的高基数 values.How 我是否对这样的特征进行矢量化。使用 DictVectorizer 不是解决方案，因为机器 运行 内存不足。
我在一些帖子中读到，我可以为所有这些字符串值分配数字，但会导致误导性结果。
有没有人处理过这种特征set.If那么，如何对其进行矢量化以便我可以将其传递给训练模型？
尝试FeatureHasher。它
is a low-memory alternative to DictVectorizer and CountVectorizer, intended for large-scale (online) learning and situations where memory is tight, e.g. when running prediction code on embedded devices.