数据集解释房价的连续与分类

Question

我正在使用英国房价数据集，并希望创建一个机器学习模型来根据城市（以及其他一些类别）预测房屋价格。

作为所有这一切的新手，我很难过。我可以创建具有连续变量的模型，甚至可以对具有 4 种不同选项（例如房屋类型）的其他一些类别执行 one-hot 编码（虚拟变量）。

但是，当涉及到城市时，数据集中大约有 1200 个不同的城市，所以我不知道如何设计数据来处理这个问题。

非常感谢任何对此有任何想法的人！

无论我搜索多少，我都找不到这个问题的答案，但这可能是因为不知道要搜索什么。

Answer 1

对我来说，你需要每个城市的城市等级和房子的价格。

例如：

Country     | City Grade 
------------+------------
Los Angeles |    1
New York    |    4

House       | Price
------------+------------
Option1     | $200,000
Option2     | $300,000

然后根据城市等级乘以房价*城市等级计算房价。

所以这意味着洛杉矶的 Option1 房子仍然是 200,000 美元，但在纽约将是 1,200,000 美元。

您不必担心在数据库中易于查询的 1200 个城市。