Python 字符串的整数编码并将其用作决策树（sklearn）的输入，会使分割属性离散还是连续？

我必须使用决策树分类器对某些数据进行分类。但是，属性值是字符串，正如我发现的，它表示字符串不能用作输入。因此，我对字符串使用整数编码

在本文中，我发现传递整数编码的数据可能会导致错误的答案，因为sklearn假设数据之间存在排序。因此，唯一的出路是使用

onehotcoder

模块

使用

OneHotEncoder

模块可以增加功能的数量（例如，如果有一个属性'price'的值

['high'、'med'、'low']

，一个热编码将导致包含与实际属性'price'相关的3个属性；这些属性可以解释为

['price-high'、'price-med'、'price-low']

属性值将为1或0，具体取决于数据），我不希望这样，因为我必须以特定格式打印决策树，这将需要原始功能（例如，我需要“价格”）

有办法解决这个问题吗？

我认为这很有用，因为在创建一个热向量时，您希望跟踪原始特征名称

示例：

df = pd.DataFrame({'price': ['high', 'medium', 'high', 'low'], 'some_feature': ['b', 'a', 'c','a']})
pd.get_dummies(df,columns=['price','some_feature'])

    price_high  price_low   price_medium    some_feature_a  some_feature_b  some_feature_c
0   1   0   0   0   1   0
1   0   0   1   1   0   0
2   1   0   0   0   0   1
3   0   1   0   1   0   0

---

当将此数据帧提供给决策树时，您可以更好地理解

当然。这将把数据转换成一种热编码形式。但是，决策树将基于新特性（例如价格高、价格低等）构建。因此，在打印决策树时，特征不是“价格”或“某些特征”，而是“价格高”、“价格低”等。当我们已经为它创建了虚拟模型时，为什么您只想将

价格

作为功能名称呢。我认为，如果将其设置为

price\u high

，将有助于更好地解释决策树中如何进行拆分