Python 混合数据集的特征选择

我是数据科学领域的新手

我有一个数据集，既有数字数据也有字符串数据。有趣的是，这两种类型的数据对结果都有意义。如何从数据集中选择相关特征

---

我应该使用LabelEncoder并将数据从字符串转换为数字，然后继续相关吗？我走的路对吗？有没有更好的办法来解决这场危机？

有点逃避现实，但你可以简单地使用随机森林，愉快地混合数字和分类数据。在OneHotEncoding上使用LabelEncoder编码将允许您使用更广泛的算法。

如果对可用值进行有意义的排序，并确保在编码中保留排序，则可以使用label编码对分类变量进行编码。有关示例，请参见

如果没有排序（或者解决一个有意义的排序太麻烦），您可以使用一个热编码。但是，这将根据数据集中特征的不同值按比例增加特征集

如果一个hot生成一个非常大的特征集，并且分类字符串数据是自然语言单词，那么您可能需要使用预训练嵌入

---

无论哪种方式，您都可以将编码的分类列连接到连续功能集，然后继续学习和功能选择。

数字和字符串数据是连续的（即任意值，如价格、温度等的测量值）还是分类的？也就是说，是否存在来自有限集的数据，并且将来的数据（例如，来自潜在测试集的数据）是否会包含当前数据集中不确定包含的值？数据集包含连续数据和分类数据。谢谢，我将进行检查。