python中的数据预处理

Question

我有一个数据集，我正在探索数据，在我的数据的一个特定列中，我有11个不同的类别属于该特定列，但是该列的数据分布如下：

Number of data points in class 1 : 87459 ( 60.074 %)
Number of data points in class 2 : 42278 ( 29.04 %)
Number of data points in class 3 : 14712 ( 10.105 %)
Number of data points in class 4 : 569 ( 0.391 %)
Number of data points in class 5 : 425 ( 0.292 %)
Number of data points in class 6 : 57 ( 0.039 %)
Number of data points in class 7 : 34 ( 0.023 %)
Number of data points in class 8 : 24 ( 0.016 %)
Number of data points in class 9 : 11 ( 0.008 %)
Number of data points in class 10 : 10 ( 0.007 %)
Number of data points in class 11 : 7 ( 0.005 %) 

请注意，从第3班到第11班，数据的百分比有了很大的下降。

我的问题是，我想对这些分类数据执行编码，是应该考虑该特定列中的所有类别，不管数据的表示程度有多低，还是简单地考虑前3个类，而将其余的类排除在该列之外。

​

​

提前谢谢你！

Answer 1

您可以试着将前3项考虑为3种不同的类别，其余的作为一个组合类别来考虑，看看您的模型是如何执行的。