我有一个1000个样本的训练数据集。它包含大约50个特征，其中30个是分类特征，其余特征是数字/连续特征。哪种算法最适合处理分类和连续特征的混合特征集？
答案 0 :(得分：2)
通常，首选方法是将所有功能转换为标准化连续功能。
对于最初连续的要素，执行标准化：x_i =（x_i - mean（x））/ standard_deviation（x）。也就是说，对于每个要素，减去要素的平均值，然后除以要素的标准差。另一种方法是将连续特征转换为[0,1]范围：x_i =（x_i - min（x））/（max（x） - min（x））。
对于分类特征，对它们执行二值化，使每个值都是一个取值为0.0或1.0的连续变量。例如，如果您有一个分类变量＆＃34;性别＆＃34;可以采用MALE，FEMALE和NA的值，创建三个二进制二进制变量IS_MALE，IS_FEMALE和IS_NA，其中每个变量可以是0.0或1.0。然后，您可以按照步骤1执行标准化。
现在，您拥有标准化连续变量的所有功能。
答案 1 :(得分：0)
对分类或离散变量（即0或1）进行标准化不是一个好主意，因为归一化的输入将遵循超出训练范围的数据分布（例如0.5或0.7），而这些数据从来都不是输入的一部分信号。