Scikit learn 使用sklearn同时使用数字和分类变量拟合决策树_Scikit Learn_Decision Tree_Categorical Data_One Hot Encoding

Scikit learn 使用sklearn同时使用数字和分类变量拟合决策树

scikit-learn

Scikit learn 使用sklearn同时使用数字和分类变量拟合决策树,scikit-learn,decision-tree,categorical-data,one-hot-encoding,Scikit Learn,Decision Tree,Categorical Data,One Hot Encoding,在SKL中对分类变量使用onehotencoding时，了解如何使用稀疏矩阵生成以及其他数值变量来拟合决策树？如果我使用OneHotEncoding将分类变量转换为稀疏矩阵，那么如何将该稀疏矩阵与原始数据集中的数值变量组合起来？使用：使用参数categorical_features为要编码的功能编制索引（自动组合所有功能）如果未更改sparse=True 或者：仅在变量子集上使用OneHotEncoder时，将这些值叠加到原始值上： scipy.sparse.hstack（（one

在SKL中对分类变量使用onehotencoding时，了解如何使用稀疏矩阵生成以及其他数值变量来拟合决策树？如果我使用OneHotEncoding将分类变量转换为稀疏矩阵，那么如何将该稀疏矩阵与原始数据集中的数值变量组合起来？

使用：

使用参数
```
categorical_features
```
为要编码的功能编制索引（自动组合所有功能）
- 如果未更改
```
sparse=True
```
或者：仅在变量子集上使用OneHotEncoder时，将这些值叠加到原始值上：
- ```
scipy.sparse.hstack（（onehot，original））
```
- 其中，
```
onehot
```
  将是形状
```
（n个样本，
```
  （取决于您的特长），而
```
原始的
```
  将是形状
```
（n个样本，
```