Machine learning 整数和类型分类

假设我们有以下数据集

Label  |        Features          |  
-----------------------------------
Age    | Size | Weight | shoeSize |
20     | 180  | 80     | 42       |
40     | 173  | 56     | 38       |

正如我所知，机器学习中的特征应该被规范化，而上面提到的特征可以被规范化，非常好。但是，如果我想扩展功能列表，例如以下功能，该怎么办

| Gender | Ethnicity |
| 0      | 1         |
| 1      | 2         |
| 0      | 3         |
| 0      | 2         |

其中，性别值0和1表示女性和男性。种族价值1、2和3分别适用于亚裔、西班牙裔和欧洲人。由于这些值引用类型，我确信它们是否可以被规范化

---

如果它们不能被规范化，我如何处理混合值（如大小）和类型（如焓）

请注意，规范化并不总是定义所要求的，它取决于要使用的模型；例如，基于树的模型不需要它。在任何情况下，这都是一个方法论问题，而不是编程问题，它更适合于；例如，基于树的模型不需要它。在任何情况下，这都是一个方法问题，而不是一个编程问题，它更适合于。