关于离散特征处理的问题 about tgboost HOT 6 OPEN

@gutouyu xgboost是不支持category特征的 在训练模型之前 需要我们进行预处理 可以根据特征的具体形式 来选择one-hot encoding（无序）还是label encoding（有序）。
当category的特征值非常多时，one-hot encoding会非常稀疏。这时候one-hot encoding的效果可能不好，可以用NN训练一个该category的向量，或者用其他方式来编码。

from tgboost.

就是传入的必须是数值类型 比如如果有个星期特征“星期三” xgboost是不支持直接这样输入非数值类型的 至于你编码成0010000（无序）或者3（有序，每周七天从1到7）就得跑实验看看效果了 但编码之后不再是“星期三”这种非数值类型 而是变成数值类型

from tgboost.

@liudragonfly xgboost不支持category特征是指这类特征必须编码后才能输入处理吗？我理解的是能够按照有序无序来自动处理就是算支持，否则就是不支持。。。

请多多指教

from tgboost.

@liudragonfly 懂了，非常感谢

from tgboost.

tgboost-python 这个分支的实现，不支持类别特征处理，也就是把任何输入当成数值型特征，所以需要用户自己预处理类别特征。master分支 的实现支持类别特征处理：

Handle categorical feature, TGBoost order the categorical feature by their statistic (Gradient_sum / Hessian_sum) on each tree node, then conduct split finding as numeric feature.

from tgboost.

非常感谢，请问下xgboost也是这么做的吗？ @wepe

from tgboost.