房价的数据集解释连续vs分类

Question

我正在使用英国的房价数据集，并希望创建一个ML模型来预测基于城市(加上其他一些类别)的房价。

作为这一切的新手，我被难住了。我可以创建具有连续变量的模型，甚至可以对其他一些有4个不同选项(例如房屋类型)的类别执行一次性编码(虚拟变量)。

然而，当涉及到城市时，数据集中大约有1200个不同的城市，所以我不确定如何设计数据来处理这一问题。

非常感谢任何对此有任何想法的人！

不管我搜索了多少次，我都找不到答案，但这可能是因为我不知道到底要搜索什么。

Answer 1

对我来说，你需要在每个城市有一个城市等级和一个房子的价格。

例如：

Country     | City Grade 
------------+------------
Los Angeles |    1
New York    |    4

House       | Price
------------+------------
Option1     | $200,000
Option2     | $300,000

然后根据城市等级乘以房价*城市等级计算出房价。

因此，这意味着在洛杉矶的Option1房子仍然是20万美元，但在纽约将是120万美元。

你不需要担心1200个城市，它很容易在数据库中查询。