如何处理某些属性中的多个值？

Question

我使用WEKA工具进行数据分析聚类，但是在我的一些属性中，域内有很多值。具体而言，我需要表示一些关于蛋白质的信息，我需要包含的信息是与其功能相关的术语。

例如这些值是包括在相同的属性“功能”：

“RNA结合蛋白”，“ribosomerRNA的RNA bindingstructural组分结合”，“翻译”，“intracellularribosomeribonucleoprotein复合物”。

而且这些术语的多样性非常巨大。

有人可以帮助我吗？

Answer 1

一种常用的方法是将分类变量与n不同类别拆分为n二元虚拟变量。

例如：

gender = {male, female}可以用2个虚拟变量被改写：

1. male = [0, 1]
2. female = [1, 0]

对你来说，这似乎是一个函数可以包含几个不同值（例如1个具有几个功能的蛋白质）。这很容易变成虚拟变量。