在一个热编码中每行有多个值-建议这样做吗?

我将根据你提供的信息回答这个问题。

25000个索引观测 (代表 id 一个变量 (具有800个级别的因子变量,表示为 val 能行 是:

1. 按因子变量分组(例如,通过 group_by() )
2. 添加频率计数(例如,通过 freq = n() )
3. 一个热你的变量 mltools 包装真的很棒)

这会让你 没有你的索引 2 x 801桌 一个热变量 (1:800栏)和 (在801栏中)。许多框架可以很好地处理这样的数据,但是如果没有进一步的信息,就不可能给出具体的答案。

> str(result)
Classes ‘data.table’ and 'data.frame':  800 obs. of  801 variables:
 $ val_AAL5 : int  1 0 0 0 0 0 0 0 0 0 ...
 $ val_ABP14: int  0 1 0 0 0 0 0 0 0 0 ...
 $ val_ACQ8 : int  0 0 1 0 0 0 0 0 0 0 ...
 $ val_ADU8 : int  0 0 0 1 0 0 0 0 0 0 ...
 $ val_AEB16: int  0 0 0 0 1 0 0 0 0 0 ...
 $ val_AEX17: int  0 0 0 0 0 1 0 0 0 0 ...
 $ val_AGQ4 : int  0 0 0 0 0 0 1 0 0 0 ...
 $ val_AHS8 : int  0 0 0 0 0 0 0 1 0 0 ...
 $ val_AHV2 : int  0 0 0 0 0 0 0 0 1 0 ...
 $ val_AHX16: int  0 0 0 0 0 0 0 0 0 1 ...
 $ val_AIV19: int  0 0 0 0 0 0 0 0 0 0 ...
...

代码

df <- df %>%
    group_by(val) %>%
    summarise(freq = n()) 
dt <- as.data.table(df)
result <- one_hot(dt)

数据

library(dplyr)
library(data.table)
library(mltools)
set.seed(1701)
df <- data.frame(
    id = 1:25000,
    val = sample(paste0(sample(LETTERS[1:26], 800, replace = TRUE),
            sample(LETTERS[1:26], 800, replace = TRUE),
            sample(LETTERS[1:26], 800, replace = TRUE),
            sample(1:20, 20, replace = TRUE)),
        25000, replace = TRUE))

> head(df)
  id   val
1  1 CXC15
2  2 IPH16
3  3  ICK1
4  4  OPJ2
5  5  XSA8
6  6 JKS19