有些特征是数值型的，例如“学校毕业率”，而其他特征是分类型的，比如学校名称。我已经对分类特征使用了标签编码器，将它们转换为整数。

现在我有一个数据框，包含浮点数和整数，分别代表数值特征和经过标签编码器转换的分类特征。

我不知道如何继续进行学习器的使用，我是否需要使用独热编码？如果需要，我该如何操作？根据我目前的理解，我不能直接将数据框传递给sklearn的OneHotEncoder，因为其中包含浮点数。我是否应该对所有特征应用标签编码器来解决这个问题？

来自我的数据框的样本数据。OPEID和opeid6使用标签编码器进行了转换

回答：

只需使用OneHotEncoder的categorical_features参数来选择哪些特征是分类特征：

categorical_features: “all”或索引数组或掩码：

指定哪些特征被视为分类特征。

• ‘all’（默认）：所有特征都被视为分类特征。
• 索引数组：分类特征索引的数组。

• 掩码：长度为n_features且dtype=bool的数组。

  非分类特征总是堆叠在矩阵的右侧。