我想使用Random Forest进行基于Gini索引的特征选择。我的数据集混合了数字（连续）和分类（字符串）数据。这是数据集的示例
Var1 Var2
198 zcROj17IEC
336 DHeTmBftjz
252.3 crIgUHSK8h
252 ZSNrjIX0Db
我知道树可以处理离散数据（分类），但是Sklearn中的RandomForest是否要求连续数值数据首先被离散化，或者它可以处理它？对于分类字符串变量，我使用以下内容将字符串编码为带有零和1的数字列
pandas.get_dummies(X['Var2'])
并且它有效，但对于数字我尝试以下来离散化
pandas.qcut(X['Var1'], 2 , retbins=True)
但我一直收到非独特垃圾箱的错误！
我需要离散吗？我该怎么办？
答案 0 :(得分：0)
随机林应该支持连续变量没问题。请参阅示例this sample。
答案 1 :(得分：0)
当你从你的绝对值中愚弄时，树木和森林会变得更糟。
您只需要标记您的分类功能 - 这就是全部！