모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법은 무엇입니까?안녕하세요,
본질적으로 제품의 브랜드 이름 인 내 데이터 세트에 '브랜드'라는 변수가 있습니다. 이 변수에는 약 2300 개의 레벨이 있으며이 변수를 가격이 목표 변수 인 예측 모델링의 독립 변수 중 하나로 사용하려고합니다. 누군가가 독립 변수에 너무 많은 수준을 처리하는 방법을 알려주 pls 수 있습니까?
다시 : 모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법?레벨 수를 줄이는 또 다른 간단한 방법은 파티션 모델을 사용하는 것입니다. Y로 가격 및 X로 브랜드. 다른 수의 분할을 시도하고 리프 번호 및 / 또는 레이블을 저장하여 새 변수를 만들 수 있습니다.
다시 : 모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법?나는 과거에 많은 범주를 다룰 때 사용한 두 가지 방법을 제안하고자합니다. 제 경우에는 연대순으로 지리적 범주가 될 것이지만, 그들은 당신의 브랜드에서 일해야합니다.
- 브랜드에 대한 외적 지식이 있다면 아마도 더 의미있는 분류로 분류 할 수 있습니다. 예를 들어, 국가 별 또는 프리미엄 대 메인 스트리트 대 일반용.
- 몇 가지 방법 (예 : Anova)는 가격순으로 브랜드 순위를 매기고 클러스터 및 불연속 점을 찾습니다. 아마도 그들은 가격대에 따라 분류 될 것입니다.
언급 한 방법 중 하나를 사용하여 클러스터를 만들면이 새 변수를 모델에 추가 할 수 있습니다. 이것은 원래의 자세한 브랜드 이름을 사용하는 대신 또는 중첩 된 방식으로 수행 할 수 있습니다.
우리에게 당신을 위해 일한 것이 무엇인지 알려주세요.
론
다시 : 모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법?아직도 당신을위한 또 다른 생각은 @dale_lehman 차원 분석 방법으로 Multiple Correspondence Analysis를 시도하는 것입니다.
다시 : 모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법?필의 제안은 좋은 생각입니다. 당신이 많은 조사를해야한다면 말이죠. 필자는 이와 같은 데이터를 보았습니다. 회사에서 많은 수의 품목을 판매했는데, 명명 된 제품은 관측치와 거의 같았습니다 (가구의 모든 항목을 다소 다르게 지정했습니다). 이 경우 데이터를 이해하기 위해 크기를 줄여야한다고 생각합니다. 텍스트 탐색기를 사용해보십시오. 모든 의자의 제목에 "chair"라는 단어가있는 것처럼 이름이 잘 정의 된 경우 2300 개의 항목을 더 작은 세트로 그룹화하는 키워드를 포함하는 제품을 식별하는 일련의 새 열을 사용할 수 있습니다 .
다시 : 모델링을하는 동안 독립 변수에 대한 여러 수준을 다루는 방법?여기에 아이디어가 있습니다. 나는 그것이 가장 유용한 해결책이라고 확신하지 않지만 그것을 시도 할 것이다.
표시기 변수 열을 만들 수 있습니다. 브랜드 당 1 열 (총 2300 개의 표시 열) 또는 1인지 0인지는 해당 브랜드인지 (1) 또는 그렇지 않은지 (0)를 나타냅니다. Cols> Utilities> 인디케이터 컬럼을 만드십시오. 그런 다음 Bootstrap Forest와 같은 변수 선택 기술을 사용하여 Price에 가장 큰 영향을 미치는 브랜드를 결정할 수 있습니다. 그런 다음 브랜드 열을 단순화하여 가장 중요한 각 예측 변수 브랜드의 수준을 결정한 다음 나머지를 "다른"수준으로 그룹화 할 수 있습니다. 이는 모델링 문제를 단순화합니다.
