高基数名义变量分析的EDA方法

Question

我有一个标称变量(car模型)，具有很高的基数(~8500标签)，我想分析它与二进制目标变量的关系。虽然我可以创建逻辑组并比较每个组的目标变量的分布情况，但有人能建议这种分析是否有更好的技术/可视化工具吗？

Answer 1

您可以计算每个分类变量的平均目标并比较其值。在熊猫身上，这是很容易做到的: df.groupby('categorical_feature').target.mean()

然后你可以做一个直方图来比较这个方法。我也是这样的，它有一个catplot，它在条形图格式中做同样的事情，根据每个分类变量显示目标变量的平均值。