我正在用python做Kaggle的心脏病分析。我是一个初学者，我试图弄清楚是否仍然有必要对这些功能进行单热编码或LableEncode。我看到很多人为这个项目编码值，但我很困惑，因为所有东西看起来都已经缩放了(除了年龄，thalach, oldpeak和slope)。
年龄:年龄(以年计)
性:(1 =男性;0 =女)
cp:序数1-4
thalach:达到的最大心率
exang:(1 =是;0 = no)
oldpeak:运动诱发抑郁
坡:运动峰斜率
ca:值(0 - 3)
需要:序数0-3
目标:0=机会少，1=机会多
你会说它仍然有必要进行单热编码，还是我应该直接使用StandardScaler ?
我见过很多人为这个项目编码整个数据集，但对我来说这样做没有意义。请确认是否只使用StandardScaler就足够了?
当应用StandardScaler时，列的值将在相同的范围内。这有助于模型将权值保持在限定范围内，并且在收敛时梯度下降不会突然爆发。这将有助于模型更快地收敛。
独立地，为了决定Ordinal值和One hot编码，根据它们之间的距离考虑列值是相似还是不同。如果是，则选择序数。如果您知道类别的层次结构，那么您可以手动分配顺序值。否则，您应该使用LabelEncoder。看起来心脏病发作的数据已经用人工分配的顺序值给出了。例如，胸痛加重= 4.
同样，参考性能更好的笔记本也很重要。请看下面这张图作为参考。95%准确率- https://www.kaggle.com/code/abhinavgargacb/heart-attack-eda-predictor-95-accuracy-score