onehot后导致维数激增的解决方法

 独热编码应用于有许多类的列时，会导致并行性和多重共线性问题。

    解决方式有： ①限制n个最常见的类别（可覆盖约95%的数量）

                         ②频率编码：用其计数或者频率代替某个类别（最常用）。缺点：若计数相同，则模型做相同处理导致信息丢失

                         ③目标编码：用该类别的平均目标值作为一维数值向量

 

 ④嵌入：对于文本数据类型或具有字符串值且不特定于领域的类别变量，可以使用预先训练的模型(如Word2Vec)将它们转换为词嵌入。如果数据集具有较长的文本类别，则可以对Word2Vec取加权平均值或使用预先训练过的Sent2Vec。