我刚开始我的第一个机器学习项目（Jupyter Notebook、Python、Scikit-learn、pandas），并且正在研究 Palmer Penguin 数据集。我一直在做一些数据分析，但在尝试关联和组合数据集中的一些属性时遇到了困难。
- 相关性。
该数据集包含 2 个分类（性别、岛屿）和 4 个数值（体重、鳍状肢长度、顶梁深度、顶梁宽度）特征以及一个标签（企鹅物种）。我首先尝试将特征与标签相关联——我使用 scikit-learn 中的 LabelEncoder 将物种标签转换为数值属性，因为 pandas 数据框的相关函数仅适用于数值属性。尽管我得到了一些结果，但我从许多来源中了解到，这是一种测量分类属性和数值属性之间相关性的不恰当方法。如果有人可以为我澄清，我将不胜感激，什么是衡量这些类型相关性的首选方法。
- 结合。
我想测量这些属性之间的相关性的原因之一是，如果有意义的话，可能用组合属性替换一些属性。在逻辑上有意义的组合之一是将性别与体重相结合 - 我认为单独的性别不会带来太多价值，但如果我们将它与体重相结合可能会更有价值。这样的组合是否有意义，它们能否提高分类模型的准确性？如果是，如何使用指定的工具将分类属性与数字属性相结合？