我有一个包含23个分类可变数据的数据框。我最终想建立一个预测模型（决策树/随机森林）来预测某人是否会参加面试。这是我的目标变量。我将使用Scikit完成此任务。
问题：
由于这些是分类变量，我是否正确地说我需要热切编码我的23个分类变量中的每一个，然后再分成列车，测试和验证集？
我也被告知使用功能重要性，但我不确定我是否在热编码之前或之后使用它？我的理解是，功能重要性将有助于减少热门编码所需的功能数量，换句话说，我在热编码之前使用功能重要性。
但是，我尝试用于功能重要性的RandomForestClassifier()不适用于字符串：
输入：forest = RandomForestClassifier(n_estimators=250, random_state=0)
forest.fit(X, y)
输出：ValueError: could not convert string to float: 'Single'
请问最好的方法是什么？