当你处理数百个类别时，比如数据集中有一列是“名字”，使用独热编码似乎并不是一个好主意。编码这类数据的最佳方法是什么？

回答：

我推荐使用哈希技巧：

https://en.wikipedia.org/wiki/Feature_hashing#Feature_vectorization_using_the_hashing_trick

它计算成本低，使用简单，允许你指定维度，并且通常能作为分类的一个非常好的基础。

对于你的具体应用，我会对特征-值对进行哈希处理，比如（’FirstName’,’John’），然后增加哈希值对应的桶的计数。