在 Sklearn 中离散化 RandomForest 的连续变量

Question

我想使用随机森林进行基于基尼指数的特征选择。我的数据集混合了数字（连续）和分类（字符串）数据。这是数据集的示例

变量 1 变量 2
第198话 第336关 252.3 crIgUHSK8h 第252话

我知道树适用于离散数据（分类），但是 Sklearn 中的 RandomForest 是否需要先离散化连续数字数据或者它可以处理它？对于分类字符串变量，我使用以下代码将字符串编码为带有零和一的数字列

pandas.get_dummies(X['Var2'])

它有效，但对于数字我尝试了以下离散化

pandas.qcut(X['Var1'], 2 , retbins=True) 

但我一直收到非唯一垃圾箱的错误消息！

我需要离散化吗？我该怎么做？

Answer 1

随机森林应该支持连续变量没问题。例如参见 [​​=10=].

Answer 2

当您根据分类值制作虚拟变量时，树木和森林的效果会更差。

您只需要标记分类特征 - 仅此而已！