数据预处理的最佳方法

Question

我需要创建一个机器学习模型来预测一个结构是酒店还是公寓。我还有一个数据集的结构：

ID | STATE  | ROOM | BEDROOMS |       COMFORT      |   CARD_ACCEPTED  |                   CONGRESS                          | OUTPUT
0  | ITALY  |   3  |    5     |  Park, Pool, Disco | Visa, Mastercard |  Number rooms 3, Min capacity 3, Max Capacity 110   | Hotel
1  | USA    |   2  |    2     |  Park, Pool        |                  |                                                     | Apartment
2  | ARG    |   1  |    4     |                    | Visa             |  Number rooms 1, Min capacity 3, Max Capacity 20    | Hotel

我想在上面测试不同的机器学习方法，所以我想做的第一件事就是对数据进行预处理。我的想法是将CARD_ACCEPTED和COMFORT.Park等列分开，这样我就可以把它们转换成数字，而不是范畴变量。我的问题与国会专栏有关，因为它有一些不太适合舒适和CARD_ACCEPTED的数据。我应该采用什么归一化方法呢？

Answer 1

我会对STATE、COMFORT和CARD_ACCEPTED进行一次热编码，并将CONGRESS中的字符串解析为三列：NUMROOMS、MINCAP、MAXCAP。

对于你所有的热门专栏，你不需要正常化。对于所有的数值，您可以引用这个堆叠问题