做流失预测时，客户表里有城市、渠道、套餐类型这几个文本列，模型控件报错说输入必须是数值，同事让我先过一遍独热编码。我在助睿AI画布上拖了「独热编码」控件，参数页只有一个「编码属性选择」，下拉里列的是数据集里的属性。想问下是不是所有文本列都得勾上，勾多了会不会把特征撑得太宽？
4 个赞
只勾真正无序的类别列就行，像城市、渠道这种。独热编码的原理是用 N 位状态寄存器表示 N 个状态，每个状态单独占一位，只有一位是有效的，所以列里有多少个不同取值，就会展开成多少列——取值特别多的列勾进去确实会把宽表撑很大。我自己是先看不重复值数量，超过几十个的先放着，或者先归并再编码。