如果有几千个不同的values如何encode？
我想的是通过analysis把相似的归类变成sub-categories再做one-hot encoding。网上看到又说Target Encoding。请问老师哪种更好，有没有其他更好的办法？
目前最常用的方法是利用Neural Network得到这个feature的embedding，也就是一个dense vector representation。具体做法是：直接把这个categorical feature作为neural network的一个input value（或者把这个categorical feature先做one-hot encoding, 然后把这个很长很长的sparse vector作为neural network的Input的一部分），然后利用你定义的label训练出这个neural network的网络结构。这样一来，在它的hidden layer里面你就能得到这个feature的dense vector表示了。这个dense vector的长度我们也可以自己在NN网络结构中自己定义，比如，你可以用4个value的vector来表示“国家”这个feature。
上述Neural Network构造embeddings是现在工作中最常用的方法，面试中这样说也是没问题的。如果不想用NN，那么target encoding也是一个可行的方案。但是效果一般不如NN embedding.