CatBoost 模型中标称特征的处理

标称属性

标称属性的值仅仅只是不同的名字，标称值只提供只够的信息以区分对象。只可以使用的数学运算符$=$和$̸=$，所以不能在二分决策树中直接使用。

标称属性的处理

独热编码

标称属性的一般处理方法是 one hot encoding（独热编码），可以在预处理阶段或者训练期间完成。
CatBoost 的论文提到，后者可以在训练时间方面更有效地实现，并且在CatBoost中实现了这种方式。

根据标签转化成数字

主要思想是使用训练数据集中的标签值计算一些统计信息。
假设我们有一个观察数据集$\mathcal{D}={(X_i,Y_i)}_{i=1\dots n}$，其中$X_i=(x_{i,1},\dots ,xi,m)$是一个包含$m$个特征的向量。一些是数值型特征，一些是标称型特征。$Y_i$