我是否保留具有数字类别的要素或创建虚拟变量？

Question

我正在使用具有数字特征和功能组合的数据集，这些功能是类别但用整数编码。 例如，如果是赛马，

horse_id   race_date    track_no        race_number    barrier_number  won_race  
1          2016-10-01   100             1              4               1
2          2016-10-01   100             1              3               0
1          2016-10-15   200             3              5               0
...

所以，如果我正在创建一个马匹赢得比赛概率的模型，并使用像race_number这样的功能（同一天可以在同一个赛道上进行几场比赛，这应该对赛道状况产生影响）和barrier_number （马可能更喜欢在内部障碍物或外部障碍物等），我应该保留这些特征，还是创建虚拟变量，指示每行上变量的1（存在）和0（不存在）？

这是一个简单的示例，但这些列可能具有大量可能的值，并且创建虚拟变量将大大增加要素的维度。 这是一个必须做出的权衡，还是只留下一个专栏呢？

编辑：另外，如果我按原样离开列并将其转换为熊猫中的护理dtype，这是一个好习惯吗？ 像Scikit-learn这样的现有ML库是否会正确处理？

Answer 1

对于描述的功能（ race_number ， barrier_number ），我相信离开原样是完全可以的。 但是，对于上面的示例，我将编码track_no功能。

这是因为各个track_no值之间没有关系。

我会把上面的例子变为：

horse_id   race_date    track_100      track_200        race_number    barrier_number  won_race  
1          2016-10-01   1              0                1              4               1
2          2016-10-01   1              0                1              3               0
1          2016-10-15   0              1                3              5               0

我希望有所帮助！