在进行建模时如何处理自变量的多个级别？嗨，
我的数据集中有一个名为“Brand”的变量，它实际上是产品的品牌名称。这个变量有大约2300个级别，我希望将其作为预测建模的独立变量之一，其中price是目标变量。有人请允许我知道如何处理自变量中的这么多级别？
Re：在进行建模时如何处理自变量的多个级别？减少级别数的另一种简单方法是使用分区模型。价格为Y，品牌为X.您可以尝试不同数量的拆分并保存叶子编号和/或标签以创建新变量。
Re：在进行建模时如何处理自变量的多个级别？我想建议我过去用来处理许多类别的两种截然不同的方法。就我而言，它们是按时间顺序排列的地理类别，但它们应该适用于您的品牌。
- 如果您对品牌有任何外生的了解，也许您可以将它们聚类为更有意义的分类。例如，按国家或溢价与主要街道与通用。
- 使用某种方法（即 Anova）按价格对品牌进行排名，寻找任何集群和不连续点。也许它们按价格范围聚类。
通过上述任何方法获得这些集群后，您可以将此新变量添加到模型中。这可以完成，而不是使用原始的详细品牌名称或另外以嵌套的方式。
让我们知道什么对你有用，
罗恩
Re：在进行建模时如何处理自变量的多个级别？还有另一种想法，就像你一样 @dale_lehman 的想法是，尝试使用多重对应分析作为降维方法吗？
Re：在进行建模时如何处理自变量的多个级别？我认为菲尔的建议很好 - 如果你有很多观察要做的话。 我见过这样的数据，一家公司记录了大量不同项目的销售情况 - 而且指定的产品几乎与观察结果一样多（他们选择将每个家具项目命名为不同）。 在这种情况下，我认为你必须减少尺寸以使数据有任何意义。 您可以尝试使用文本资源管理器来执行此操作。 如果名称定义明确，例如所有主席的标题中都有“主席”字样，那么您可以使用一系列新列来识别包含关键字的产品，将2300个项目分组为更小的集合。
Re：在进行建模时如何处理自变量的多个级别？这是一个想法。我不确定它是最有用的解决方案，但我会尝试一下。
您可以创建指标变量列：每个品牌1列（总共2300个指标列），1或0表示是否是该品牌（1）或不是（0）。Cols> Utilities>制作指标列。然后，您可以使用Bootstrap Forest等变量选择技术来确定对价格影响最大的品牌。然后，您可以简化品牌栏，为每个最重要的预测品牌提供一个级别，然后将其余品牌分组为“其他”级别。这将简化建模挑战。
