如何处理某个属性中的多个值？

Question

我使用WEKA工具对数据进行聚类分析，但是在我的一些属性中，域中有许多值。具体来说，我需要代表一些关于蛋白质的信息，我需要包含的信息是与它们的功能相关的术语。

例如，这些值包含在相同的属性“Function”上：

"RNA -结合蛋白“，”ribosomerRNA结合的结构成分“，”翻译“，”细胞内核糖体核糖核蛋白复合物“。

而这些术语的多样化程度也很大。

有人能帮我吗？

Answer 1

一种常见的方法是将具有n不同类别的分类变量拆分为n二进制虚拟变量。

例如：

gender = {male, female}可以用2个虚拟变量重写，如下所示：

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

在您的例子中，一个函数似乎可以包含几个不同的值(例如，具有多个功能的1种蛋白质)。这也很容易将模型塑造成虚拟变量。