具有分类属性和连续属性且不使用python编码的多类多输出分类

我正在从事一个机器学习（数据挖掘）项目，我已经完成了数据探索和数据准备步骤，这是用python完成的

现在我面临这个问题：我的数据集中有分类属性。 经过研究，我发现最适合这种数据的算法是决策树或随机forrest分类器

但我读过一些关于决策树和分类属性的类似问题，发现我正在使用的库（scikit learn）不适用于分类属性。检查，为了使它与分类工作，我需要将我的分类变量编码为数字变量，但我不想使用编码，因为我会根据答案失去我的属性和一些信息的一些属性，而且我的一些属性有100多个不同的值

所以我想知道：

• 是否有其他python库可以使用分类数据构建决策树而无需任何编码
• 在回答中，有人建议像WEKA这样的其他库可以构建具有分类属性的决策树，所以我的问题是，我可以在同一个机器学习项目中组合两种语言吗

将用python进行数据探索和准备，用weka（java）训练模型，并将其部署到python flask web应用程序中？ 这可能吗？

您链接的关于编码分类输入的内容只是说，当您的类别没有固有的顺序时，您应该避免数字编码。在这种情况下，它正确地建议您使用单热编码

简单地说，机器学习模型是以数字为基础的，因此，即使你发现一个库没有显式编码就接受你的原始类别，它仍然必须先对它们进行内部编码，然后才能执行任何计算

---

100个类别并不多，大多数书架库都能很好地处理这些输入。我建议你试试

好的！感谢您的回复@Imran，因此我将尝试一种热编码，听起来不错，但会增加数据集的维数，因此必须忘记决策树，尝试SVN和NN等强分类器。