基数

基数是指列中数据值的唯一性。具有太多唯一值或没有唯一值的列几乎没有方差。机器学习模型无法识别该数据中的任何类型的模式。

高基数意味着大量唯一值。为了防止高基数，您可以对相似的值进行分箱或分组。您还可以创建新的特性列，例如，家庭住址可以转换为到特定位置的距离。

只有一个唯一值（常量）的列对于识别模式没有用处。