这里有一个基本问题:
我试图为信用卡违约实现一个简单的分类模型，仅使用model.fit和model.predict来处理我的输入数据。然而，这些输入数据既包含分类数据（如年龄、婚姻状况、教育水平等人口统计信息），也包含连续数据（如信用余额）。
data.info()<div class="output"><div class="output_area"><div class="run_this_cell"></div><div class="prompt"></div><div class="output_subarea output_text output_stream output_stdout"><pre><class 'pandas.core.frame.DataFrame'>Int64Index: 30000 entries, 1 to 30000Data columns (total 24 columns):LIMIT_BAL 30000 non-null float64SEX 30000 non-null int64EDUCATION 30000 non-null int64MARRIAGE 30000 non-null int64AGE 30000 non-null int64PAY_1 30000 non-null int64PAY_2 30000 non-null int64PAY_3 30000 non-null int64PAY_4 30000 non-null int64PAY_5 30000 non-null int64PAY_6 30000 non-null int64BILL_AMT1 30000 non-null float64BILL_AMT2 30000 non-null float64BILL_AMT3 30000 non-null float64BILL_AMT4 30000 non-null float64BILL_AMT5 30000 non-null float64BILL_AMT6 30000 non-null float64PAY_AMT1 30000 non-null float64PAY_AMT2 30000 non-null float64PAY_AMT3 30000 non-null float64PAY_AMT4 30000 non-null float64PAY_AMT5 30000 non-null float64PAY_AMT6 30000 non-null float64default 30000 non-null int64dtypes: float64(13), int64(11)memory usage: 5.7 MB</pre></div></div></div>据我所知，scikit-learn要求所有数据必须是数值和连续的，或者明确编码为分类变量。数值部分不是问题，因为我的所有数据都是以数字形式编码的（例如，0表示已婚，1表示未婚），但我的三个变量（SEX、EDUCATION和MARRIAGE）是名义/顺序变量，需要编码为分类变量而不是int64类型。
如何使用scikit-learn的预处理模块对这三个变量进行编码，以便正确地将这些特征输入到像逻辑回归这样的模型中呢？
提前感谢，并请原谅格式（欢迎编辑或推荐如何正确地将Jupyter Notebook输出包含在Stack Overflow帖子中）。
回答：
在特征工程中，分类特征需要更多的关注，因为像年龄、日期等特征难以编码。有许多方法可以编码这些特征，通过分析、领域知识等方式进行编码。
有一个名为category_encoders的库，它有很多功能可以利用统计学对这些特征进行编码。更多信息可以在这里找到这里。
这里还有一个很好的资源，通过一个例子向您展示编码方法的使用。
