将标称转换为数字数据？

Question

我想在我的数据集上运行聚类算法。我的数据集是一组数据包（源IP，目的地，端口，类标签）。我想将这些数据从名义数据转换为数字数据。什么是适当的技术来转换这些数据？

Answer 1

通常的做法是执行一个热门编码。虽然这显然是对数据进行数字编码，但它带来了一些问题。

1. 增加了维度。这通常会导致可扩展性和歧视问题（点之间的距离变得太相似）
2. 规范化和加权问题。典型正常化策略，如最小 - 最大定标和标准化根据需要不工作”
3. 相关属性
4. 处理的新属性的值
5. 的变量将是离散的。许多算法如k-means要求连续属性才能正常工作。
6. 解释问题。例如。一个集群中心通常不会以有意义的方式映射回原始空间。