我有一个正在做的项目。数据集包含许多分类变量，其中一些具有太多级别（+100）。我的问题是：有什么建议可以知道变量的“足够”级别数吗？它是基于其他变量的水平数吗？（例如，大多数变量有 10 到 30 个级别，一个或两个变量有 80 100 个级别）。对于包含太多级别的变量，我想取 80% 的最常见级别并将 20% 放入一个新级别“其他”，但我不知道我应该在哪个级别停止（例如：var 1 : 70 级, var 2 : 100 级, var 3 : 13, var 4 : 30, var 5 : 60，我应该从 60 开始应用 80-20 方法吗？70？100？）我不知道我是否我很清楚，但我希望你能理解