catboost 处理特征为分类的神器,你用ligtbgm或者xgboost在处理具有大量分类特征的时候,独热编码不好用,因为你一个特征就有上千个分类,每个都独热,效果特别差,好的方法是每个分类用均值编码,这种容易过拟合,catboost 设计了一种算法验证改进,避免了过拟合。因此处理分类数据应该比lightgbm 和xgboost 强很多,我观察在处理分类数据中一般会有很大提升(未调参)。
关于均值编码
catboost 处理特征为分类的神器,你用ligtbgm或者xgboost在处理具有大量分类特征的时候,独热编码不好用,因为你一个特征就有上千个分类,每个都独热,效果特别差,好的方法是每个分类用均值编码,这种容易过拟合,catboost 设计了一种算法验证改进,避免了过拟合。因此处理分类数据应该比lightgbm 和xgboost 强很多,我观察在处理分类数据中一般会有很大提升(未调参)。
关于均值编码