ความสำคัญของคุณลักษณะที่มีคุณลักษณะหมวดหมู่ที่มีความสำคัญสูงสำหรับการถดถอย (ตัวแปร depdendent ที่เป็นตัวเลข)

ฉันพยายามใช้ความสำคัญของคุณลักษณะจาก Random Forests เพื่อทำการเลือกคุณลักษณะเชิงประจักษ์สำหรับปัญหาการถดถอยที่คุณสมบัติทั้งหมดเป็นหมวดหมู่และส่วนใหญ่มีหลายระดับ (ตามลำดับที่ 100-1,000) เนื่องจากการเข้ารหัสแบบ one-hot สร้างตัวแปรดัมมี่สำหรับแต่ละระดับความสำคัญของคุณลักษณะสำหรับแต่ละระดับและไม่ใช่แต่ละฟีเจอร์ (คอลัมน์) วิธีที่ดีในการรวมความสำคัญของคุณลักษณะเหล่านี้คืออะไร

ฉันคิดเกี่ยวกับการสรุปหรือรับความสำคัญโดยเฉลี่ยสำหรับทุกระดับของคุณลักษณะ (อาจเป็นไปได้ว่าในอดีตจะมีอคติต่อคุณลักษณะเหล่านั้นที่มีระดับมากขึ้น) มีการอ้างอิงใด ๆ เกี่ยวกับปัญหานี้หรือไม่?

เราสามารถทำอะไรได้อีกเพื่อลดจำนวนคุณสมบัติ ฉันตระหนักถึงกลุ่มเชือกไม่สามารถหาอะไรที่ง่ายต่อการใช้งานสำหรับการเรียนรู้ Scikit

ขึ้นอยู่กับว่าคุณจะเข้ารหัสได้อย่างไร โซลูชันอัตโนมัติจำนวนมากสำหรับสิ่งนั้นจะตั้งชื่อบูลีนที่แปลงทั้งหมดด้วยรูปแบบเพื่อให้ตัวแปรหมวดหมู่ที่เรียกว่า "ตัวอักษร" ที่มีค่า AZ น่าจะเป็นดังนี้:

จดหมาย _A, จดหมาย _B, จดหมาย _C, จดหมาย _D, ....

หากหลังจากที่คุณทราบความสำคัญของคุณลักษณะแล้วคุณจะได้รับคุณสมบัติและน้ำหนัก / ความสำคัญที่เกี่ยวข้องฉันจะวิเคราะห์แถวลำดับและอาจสรุปน้ำหนักความสำคัญของคุณลักษณะสำหรับสิ่งที่เริ่มต้นด้วย "จดหมาย%"