如何處理某些屬性中的多個值？

Question

我使用WEKA工具進行數據分析聚類，但是在我的一些屬性中，域內有很多值。具體而言，我需要表示一些關於蛋白質的信息，我需要包含的信息是與其功能相關的術語。

例如這些值是包括在相同的屬性「功能」：

「RNA結合蛋白」，「ribosomerRNA的RNA bindingstructural組分結合」，「翻譯」，「intracellularribosomeribonucleoprotein複合物」。

而且這些術語的多樣性非常巨大。

有人可以幫助我嗎？

Answer 1

一種常用的方法是將分類變量與n不同類別拆分爲n二元虛擬變量。

例如：

gender = {male, female}可以用2個虛擬變量被改寫：

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

對你來說，這似乎是一個函數可以包含幾個不同值（例如1個具有幾個功能的蛋白質）。這很容易變成虛擬變量。