在進行建模時如何處理自變量的多個級別？嗨，
我的數據集中有一個名為“Brand”的變量，它實際上是產品的品牌名稱。這個變量有大約2300個級別，我希望將其作為預測建模的獨立變量之一，其中price是目標變量。有人請允許我知道如何處理自變量中的這麼多級別？
Re：在進行建模時如何處理自變量的多個級別？減少級別數的另一種簡單方法是使用分區模型。價格為Y，品牌為X.您可以嘗試不同數量的拆分並保存葉子編號和/或標籤以創建新變量。
Re：在進行建模時如何處理自變量的多個級別？我想建議我過去用來處理許多類別的兩種截然不同的方法。就我而言，它們是按時間順序排列的地理類別，但它們應該適用於您的品牌。
- 如果您對品牌有任何外生的了解，也許您可以將它們聚類為更有意義的分類。例如，按國家或溢價與主要街道與通用。
- 使用某種方法（即 Anova）按價格對品牌進行排名，尋找任何集群和不連續點。也許它們按價格範圍聚類。
通過上述任何方法獲得這些集群後，您可以將此新變量添加到模型中。這可以完成，而不是使用原始的詳細品牌名稱或另外以嵌套的方式。
讓我們知道什麼對你有用，
羅恩
Re：在進行建模時如何處理自變量的多個級別？還有另一種想法，就像你一樣 @dale_lehman 的想法是，嘗試使用多重對應分析作為降維方法嗎？
Re：在進行建模時如何處理自變量的多個級別？我認為菲爾的建議很好 - 如果你有很多觀察要做的話。 我見過這樣的數據，一家公司記錄了大量不同項目的銷售情況 - 而且指定的產品幾乎與觀察結果一樣多（他們選擇將每個家具項目命名為不同）。 在這種情況下，我認為你必須減少尺寸以使數據有任何意義。 您可以嘗試使用文本資源管理器來執行此操作。 如果名稱定義明確，例如所有主席的標題中都有“主席”字樣，那麼您可以使用一系列新列來識別包含關鍵字的產品，將2300個項目分組為更小的集合。
Re：在進行建模時如何處理自變量的多個級別？這是一個想法。我不確定它是最有用的解決方案，但我會嘗試一下。
您可以創建指標變量列：每個品牌1列（總共2300個指標列），1或0表示是否是該品牌（1）或不是（0）。Cols> Utilities>製作指標列。然後，您可以使用Bootstrap Forest等變量選擇技術來確定對價格影響最大的品牌。然後，您可以簡化品牌欄，為每個最重要的預測品牌提供一個級別，然後將其餘品牌分組為“其他”級別。這將簡化建模挑戰。
