複数のレベルのカテゴリ変数を2つのグループにまとめる方法を持つ決定木アルゴリズム

Question

私は顧客のデフォルトでローンのデータを持つファイルを持っています。このファイルには多くの変数があります。そのような変数の1つは "customer.employername"です。この変数には、顧客の雇用者名の約1000以上の固有値があります。私はロジスティック回帰モデルでこの変数を使いたいと思っています。誰がデフオフかデフューザーかを予測したいのですが、この変数は非常に多くのカテゴリ値を持っているため、これらのレベルごとにダミー変数を作成するのは難しいです。 Rの意思決定アルゴリズムを思いつき、この "customer.employername"変数のすべてのレベルを2つのグループ - グループ1（デフォルトになっている顧客のすべての雇用者名で構成）にまとめることができます。グループ2（デフォルトを設定していない顧客のすべての雇用者名で構成されています）。誰も私にこの望ましいアルゴリズムのコーディングを提案できますか？期待していただきありがとうございます

Answer 1

RandomForestとお考えください。実際には、ランダムなフォレストは決定木に基づいてですが、1つの決定木を持つのではなく、一定の目標値に達するために意思決定ツリーの森林を成長させます。したがって、1つのツリーを作るのではなく、置き換えてデータセットをブートストラップすることによって、何百ものものを作ります。私の経験では、RandomForestは、カテゴリ変数または連続変数、またはその2つを組み合わせて非常にうまく演奏します。一般的に、私は典型的には非常に再現性のある結果を得ています。また、このメソッドはRでよくサポートされており、多くのライブラリが利用できます。