如何在机器学习模型中将位置代码表示为一个特征？

Question

我试图预测地震后建筑物的破坏，数据集中包含“区域编号”作为特征。我认为这个特性在预测标签方面有着重要的意义，但我不知道如何最好地表示它。

有什么想法吗？

Answer 1

你可以随心所欲地发挥创造力，但这里有两种对我有用的一般方法。

1. 将数据聚为已知的地理区域，并创建虚拟变量。例如，在美国，一个人可以使用邮政编码。
2. 找到已知集群的中心(即邮政编码)，或者通过类似的无监督集群，使用经度和纬度。

你选择如何增加这些信息取决于你到底想要预测什么。

Answer 2

假设地区数字在它们所代表的事物中是绝对的，而不是序数，那么区域数字应该被表示为一个分类特征。最简单的方法是使用n个二进制变量来表示每个可能的区域。

为了提高结果，我也会尝试找到一个间隔类型的特性，比如纬度和经度。