处理特征工程中的经纬度

Question

我有一个数据集，其中包含有关全球房屋的信息，具有以下特征：房屋大小、卧室数量、城市名称、国家名称、花园与否……（以及许多其他典型的房屋信息）。目标变量是房子的价格。

我知道字符串不能作为机器学习或神经网络模型中的输入，因此我决定不再对城市名称和国家名称进行热编码（因为我最终会得到几百列）用地理坐标替换城市名称（一列经度，一列纬度）。 房子所在的城市显然会帮助确定房子的价格。

那么更改城市名称及其经度和纬度是否会保留这些重要信息？用经度和纬度更改城市名称可以吗？

Answer 1

笛卡尔坐标可以在某种程度上对模型有用。但是，对于某些模型（例如决策树），正确建模目标变量对地理坐标的依赖性可能需要过于复杂的模型。要清楚直观地了解这一点，您可以查看this。

在这些情况下，一种常见的方法是将坐标转换为polar coordinates，并将它们添加为新特征。当您考虑它时，您正在添加一种新的方式来表达相同的事物，只是在不同的规模或系统中。这样一来，一棵树将需要更少的分割来模拟样本的这种空间依赖性。

话虽如此，我不会用坐标完全替换现有的地理位置数据。根据城市数据的国家/地区添加一些聚合/统计数据可能也很有趣，而不是对它们进行热编码或仅用坐标替换它们。