数据预处理：类别型变量的编码问题

Question

在数据挖掘的数据预处理对类别型变量编码过程中，其中一个类别型变量含具有有很多不同的取值（200个），若对这个的类型做OneHot编码，会给数据增加200个特征，大大增加了数据的维数。
请问对于这样的类型变量该怎么处理呢？
1.需要做卡方封箱吗？用python该怎么分箱处理？
2.或者编码后做PCA降维处理？PCA具体怎么降维呢？
3.还有其他更好的方法吗？
谢谢

Answer 1

你可以先看看这些特征能不能做一些合并，或者是把那些出现频率低的特征归为一类。在one-hot编码后也可以进行PCA降维，PCA降维的原理其实无外乎奇异值分解和特征值分解两种，你可以网上看一看。