scikit learn中的DecisionTree类需要进行一些重构，以有效地处理高基数分类特征（甚至可能处理自然稀疏的数据，如文本TF-IDF向量）。
我知道scikit learn中的计算是基于NumPy的，所以一切都是矩阵或数组。
此软件包如何处理混合数据（数值和标称值）？
例如，产品可以具有属性"color"one_answers"price"，其中color是名义的，price是数字的。我注意到有一个叫做"DictVectorizer"的模型来计算标称数据。例如，有两种产品是：
products = [{'color':'black','price':10}, {'color':'green','price':5}]
"DictVectorizer"的结果可能是：
[[1,0,10],
[0,1,5]]
如果属性"color"有很多不同的值，则矩阵将非常稀疏。长特征会降低一些算法的性能，例如决策树。
是否有任何方法可以在不需要创建伪代码的情况下使用标称值
目前还没有人对此进行研究。