我希望使用一组参数拟合逻辑回归模型。我拥有的参数包括三种不同类型的数据：
- 二进制数据[0,1]
- 已编码为整数[0,1,2,3，...]
的分类数据
- 连续数据
在拟合回归模型之前，我有两个关于预处理参数数据的问题：
- 对于分类数据，我已经看到了两种方法来处理这个问题。第一种方法是使用一个热编码器，从而为每个类别提供一个新参数。第二种方法是在单个参数变量[0,1,2,3,4，...]中用整数编码类别。据我所知，使用一个热编码器会产生更多参数，因此会增加过度拟合模型的风险;然而，除此之外，是否有任何理由更喜欢一种方法而不是另一种？
- 我想规范化参数数据，以解决连续数据和二进制数据之间的巨大差异。归一化二进制和分类数据通常是否可以接受？我应该标准化分类和连续参数，而不是二进制参数，或者我可以将所有参数数据类型标准化。
我意识到我可以使用随机森林模型来拟合这些数据，而不必担心预处理，但我很好奇这对于回归类型模型是如何适用的。
提前感谢您的时间和考虑。