CatBoost 模型中标称型特征转换成数字型特征

接上一篇文章 CatBoost 模型中标称特征的处理 ，这篇说一下CatBoot中实现的标称特征处理方法。
可以查看官网原文 Transforming categorical features to numerical features。

CatBoost 支持两种类型的特征。一种是数值型，例如高度（182, 173）和任何人的二值特征（0, 1）。另外一种是标称型特征。只能取有限个可能的值，通常这些值是固定的，例如歌曲风格（“rock”, “indie”, “pop”）。

标称型特征处理流程

1. 随机排列输入样例。
2. 将标签转换成整型。根据机器学习问题，做不同的处理。
   1. 回归问题：离散化目标值。CatBoost 中有一个 Binarization 过程。开始是有一个参数 K, 目标值会离散到K+1 个桶中，每个值只在其中一个桶。这样，重新得到一个标签，取值从0到K。
   2. 分类问题：可能的目标值只有0和1。
   3. 多分类问题：标签的值应该是整型的，并且从0开始。
3. 使用下面的方法将类别特征转换成数值型特征。CatBoost中根据开始设置的参数选择使用何种方法。回顾一下上一篇说的，有一个观察数据集$\mathcal{D}={(X_i,Y_i)}_{i=1\dots n}$，随机排雷后得到序列$\sigma =({\sigma }_1,\dots ,{\sigma }_n)$。依次从${\sigma }_1$到${\sigma }_n$遍历该随机序列。
   1. Borders。使用这个公式将标称值的转换成数值，按标签所属的桶分别计算$i\in [0,k-1]$。$$ct{r}_i=\frac{countInClass+prior}{totalCount+1}$$假设当前遍历到${\sigma }_k$ $(k<n)$，对应的标称特征的值是