我的数据集如下：

   profile     category  target0        1      [5, 10]       11        2          [1]       02        3   [23, 5000]       13        4  [700, 4500]       0

如何处理category特征？该表可能还有其他附加特征。一热编码会占用太多空间，因为数据集的行数大约有1000万。任何建议都会有所帮助。

回答：

MultiLabelBinarizer是解决此类问题的一种方法，它可以生成内存占用低的稀疏输出。你可以将其他特征转换为稀疏矩阵，然后将所有特征组合起来输入到机器学习模型中。

source