我有一个困扰我一段时间的小问题。我有一个包含有趣特征的数据集，但其中一些是无量纲的量（我尝试过使用z分数处理它们，但情况变得更糟）。这些特征包括：

时间戳（如YYYYMMDDHHMMSSMis格式），我从中提取最后9个字符。用户ID（以哈希形式），如何从中提取意义？IP地址（你知道它们是什么），我只提取前3个字符。城市（有如1,15,72这样的ID），如何从中提取意义？地区（与城市类似），我应该从中提取意义还是直接保留它？

其余的特征是价格、宽度和高度，这些我都能理解。任何帮助或见解将不胜感激。谢谢你。

回答：

• 时间戳可以转换为Unix时间戳，这是一种合理的自然数
• 用户ID/城市/地区是名义值，必须以某种方式编码。最常见的方法是创建与可能值数量相同数量的“虚拟”维度。因此，如果你有100个城市，你就创建100个维度，并仅在代表特定城市的维度上标记“1”（其他维度标记为0）
• IP地址最好删除，或者转换为一些小的分组（基于DNS网络标识和上述的名义到虚拟的转换）