我的数据集总共有13个特征，其中5个是分类特征。这些特征分别有1700、25、65、275和3个不同的类别。我将在应用机器学习算法之前，使用可用的编码技术将这些分类特征转换为数值数据。

我正在处理的问题是多类分类问题。

我的问题是，我是否需要大量的数据（数十万）来使我的模型有效地学习我所拥有的每个类别的不同组合？

回答：

不，你不需要特别大量的数据。

这是关于高基数分类特征的常见问题，如果你查找相关信息，会发现很多资料。

一种方法称为目标编码，这种方法通过考虑目标（即标签）的相应值来对特征进行编码。

例如，可以参考 scikit-learn 中的 TargetEncoder。