machine-learning - 序数和单热编码后的标准缩放

Question

我有一个带有名义（不可排序的类别）、有序（可排序的类别）和连续/数值变量的数据集。我正在使用 Python 中的 scikit-survival 包执行 Cox Proportional Hazard Regression。

我对名义变量进行了一次热编码（值是 0 和 1）。我已经对序数变量进行了序数编码（值范围从 0 到 9）。我对我的数值变量进行了标准缩放（平均值 = 0，标准偏差 = 1）。

我是否需要标准缩放我的内编码名义和有序变量。

我找到了对相关问题的回应：

1. https://stats.stackexchange.com/questions/263867/is-the-coefficient-from-cox-regression-scale-invariant
2. https://stats.stackexchange.com/questions/291264/what-c​​ould-be-the-reasons-for-why-re-scaling-variables-used-in-regression-helps
3. https://www.dataschool.io/comparing-supervised-learning-algorithms/

我在参考文献 3 中看到，除非有正则化，否则线性和逻辑回归模型不需要特征缩放。我想 CoxPH 回归也是如此，不是吗？在参考文献 2 中，似乎需要进行特征缩放。