Сокращение размера Категориальных данных с отсутствующими значениями

У меня есть модель регрессии, в которой зависимая переменная непрерывна, но девяносто процентов независимых переменных являются категориальными (и заказанный и незаказанный), и приблизительно тридцать процентов записей имеют отсутствующие значения (для усугубления положения, они отсутствуют случайным образом без любого шаблона, то есть, больше это сорок пять процентов данных hava по крайней мере одно отсутствующее значение). Нет никакой априорной теории для выбора спецификации модели, таким образом, одной из ключевых задач является сокращение размера прежде, чем выполнить регрессию. В то время как я знаю о нескольких методах для сокращения размера для непрерывных переменных, я не знаю о подобной статической литературе для категориальных данных (кроме, возможно, как часть анализа корреспонденции, который является в основном изменением анализа главных компонентов таблицы частот). Позвольте мне также добавить, что набор данных имеет умеренный размер 500 000 наблюдений с 200 переменными. У меня есть два вопроса.

1. Существует ли хорошая статистическая ссылка там для сокращения размера для категориальных данных наряду с устойчивым обвинением (я думаю, что первым выпуском является обвинение и затем сокращение размера)?
2. Это связано с реализацией вышеупомянутой проблемы. Я использовал R экстенсивно ранее и склонен использовать transcan и приписывать функцию в большой степени для непрерывных переменных и использовать изменение древовидного метода для приписывания категориальных значений. У меня есть практическое знание Python поэтому, если что-то будет хорошо там с этой целью затем, то я буду использовать его. Любые указатели реализации в Python или R очень помогут.Спасибо.