我目前正在尝试预处理一个非常大的数据集，其中包含很多Scikit-Learns的分类功能。 RandomForest模型（回归）。分类数据的性质要求不通过编码方案添加任何标准。
H2o ML-Framework（Link）提供了enum - 编码，它可以完美地适应我的数据。但是我依靠Scikit-Learns RandomForest。
是否有人知道某些enum - Scikit-Learn模型的编码？ （One-Hot-Encoding不是一个选项）
提前致谢！
答案 0 :(得分：1)
只有标签编码，LabelEncoder以及sklearn中提供的OHE。但是，它没有提供您想要的功能，因为类别只是编码为整数，这对于序数类别只是有意义的，我相信。我相信，在sklearn中，它需要模型来实现这种枚举类别处理（因为sklearn中有许多模型，而且大多数模型都无法从这种编码中受益）。
我认为，LightGBM声称here它在内部实施了这种类别的处理，但实际上并非100％确定是否属实。它的优点是它们同时具有RF和GBM树构建器，因此您可以轻松地在它们之间切换，并且它比sklearn实现更快。
另请注意CatBoost有一个内部类别编码的覆盖率工具包，但到目前为止我没有使用它的经验。