Python Scikit混合使用文本和数字数据进行学习

我的数据以CSV的形式提供给我，格式如下（这是一个样本行，是一万个样本行中的一个）

每个文本字符串都类似于这种字符串；数字的也一样

我正在寻找一种基于文本相关性预测数字的方法

---

在scikit learn中有什么方法可以做到这一点吗？

您最好在字符串上生成一些聚合函数，并将它们用作预测剩余值的功能。简单聚合函数的示例可能是每个字母的出现次数、长度、第一个字母、最后一个字母、最常见的字母、可能是每对字母之间的转换次数等

---

这是我在没有特定领域背景知识的情况下能想到的最好的方法

这篇课文的意思是什么？没有更多的背景，很难回答这个问题。我们必须理解“相关性”的含义——文本是用来表示蛋白质的一级结构；其他值是与该蛋白质相关联的值。数字有任何值，或者可能的值是否固定（即聚类/分类问题）？@d909所有条目的蛋白质字符串大小是否相同？@a_guest数字可以有任何值；范围不是很大，它们只是整数。

FEIPDDVPLPAGWEMAKTSSGQRYFLNHIDQTTTWQDPRKGPPPY,0,0,13,0,0,4,12,16