输入变量可以是离散型数据和连续性数据的组合吗？

处理这种分类变量，要结合模型来看。但总体来说有以下两种处理方式：

第一种是Label Encoder， 直接将分类变量转为数值变量，你的例子里就是使用(1，2，... m)来表示城市，这种方法为变量赋予了顺序的含义，变量的每个。我总结了几个特点：

• 分类变量是有序的话，例如小学，初中，高中这种，可以使用
• 如果模型只是用部分特征值来计算，比如decision tree， random forest，等树类算法适用。原因是数据集里连续变量多时，用One-hot-encoding会让其他非分类变量不被/很少被选入为特征
• 回归算法，neural network算法等不适用

第二种时One-Hot-Encoding,拓增数据集至很多个特征值，你的例子里，以每一个城市为一个特征，值只取0/1，如果有m个城市，则新增m个特征, 这种方法能保证每个分类变量里的取值有同等的重要性，无序的，不正交的变量。特点如下：

• 分类变量如果是无序的话，比如城市，可以使用One-Hot-Encoding
• 回归算法，KNN，Neural network等使用
• 结合PCA降维来使用有奇效，PCA可以找到线性相关的部分，并组合这部分特征
• 缺点就是会占用比较多内存计算空间了，毕竟数据集可能会被扩增到非常大

其余的方法如LightGBM encoding(支持类别变量)， Hash encoding, embedding等，不同情况不同采用，这里就不多说了。

Reference:

What is the best method for converting categorical features to something numerical ones.

How LightGBM deals with categorical features

What algorithms require one-hot encoding?

你可以把省份进行独热处理(one-hot encoding)，也就是把这一个特征变成m个二元特征。

如果你是用python里的sklearn的api，那么你要离散变量处理成连续变量，才能训练

如果你用catboost，其实没有影响，可以直接混合离散变量和连续变量一起训练