我正在进行基本的机器学习线性回归模型的创建。我有一些类别特征，它们的计数分布有些倾斜，例如：

AllPub    1459NoSeWa       1Name: Utilities, dtype: int64

可以看出，AllPub 的贡献更大。那么在模型创建中使用它是否有用？我应该使用它还是不使用它？

回答：

正如你所见，大多数值都是 AllPub，只有一个值是 NoSeWa。无论保留还是删除它，都不会有太大影响。另一种思考方式可能是将其视为异常值。由于只有一个计数，它可能输入错误。你可以用众数来填补这个值。