我正在尝试使用神经网络进行二元和多类别分类。我的数据集包含二元、数值和名义变量。训练集中的名义值有很多种，因此当我执行OneHotEncoding时，维度从42增加到122。此外，由于数据集的设计方式，一些值仅出现在训练集中。
所以我使用了以下顺序：
- 独热编码
- 归一化
- 特征选择或主成分分析（PCA）
但我发现有些人也使用神经网络的人在执行独热编码之前就进行了特征选择。这对我来说很奇怪，因为神经网络只能处理数值数据。因此，运行一个可能删除分类值的特征选择算法可能会对神经网络造成损害，尤其是考虑到独热编码对整个模型维度的影响。
但我不知道，所以我必须问：这里正确的顺序是什么？这个讨论遵循了我使用的顺序，但我对独热编码和特征选择部分更感兴趣
回答：
qu: 这里正确的顺序是什么？这个顺序可能会根据您的应用和数据而有所不同。
例如，在您的qu中，为什么在独热编码之前使用特征选择，这在您所述的名义数据中是适用的：“训练集中的名义值有很多种，因此当我执行独热编码时，维度从42增加到122”。在这种应用中，在独热编码之前进行特征选择是有用的。
- “因此，运行一个可能删除分类值的特征选择算法可能会对神经网络造成损害，尤其是考虑到独热编码对整个模型维度的影响” -> 您对神经网络的这种解释完全不正确，因为无用的分类值的存在可能会使神经网络的调整变得困难（或导致神经网络调整时无法收敛）或增加计算复杂性。
