Machine learning 特征工程中经纬度的处理

我有一个数据集，其中包含了有关世界各地房屋的信息，具有以下特征：房屋大小、卧室数量、城市名称、国家名称、花园与否。。。（以及许多其他典型的房屋信息）。目标变量是房子的价格

我知道字符串不能作为机器学习或神经网络模型的输入，因此我决定用地理坐标（一列为经度，一列为纬度）替换城市名称，而不是对城市名称和国家名称进行一次热编码（因为我最终会有几百列）. 房子所在的城市显然有助于确定房子的价格

那么，用经度和纬度更改城市名称是否保留了这一重要信息？可以用经纬度来更改城市名称吗

笛卡尔坐标在某种程度上可用于模型。然而，对于某些模型（如决策树），正确建模目标变量对地理坐标的依赖关系可能需要过于复杂的模型。为了清楚直观地了解这一点，您可以查看

在这些情况下，一种常见的方法是将坐标转换为新特征，并将其添加为新特征。当你思考它的时候，你正在添加一种新的方式来表达同样的东西，只是在一个不同的尺度或系统中。这样，树将需要较少的拆分，以便能够对样本的这种空间相关性进行建模

---

也就是说，我不会用坐标完全替换现有的地理位置数据。添加一些基于城市国家数据的聚合/统计数据可能也很有趣，而不是对它们进行热编码或仅用坐标替换。

谢谢您的回答。我将用一些关于这个城市的统计数字来代替这个城市。