为什么基于树的模型不需要对标称数据进行 one-hot 编码？

Question

我们通常对标称数据进行one-hot编码，以便更合理地计算特征之间的距离或权重，但我经常听说基于树的像随机森林或boosting模型这样的模型不需要做one-hot encoding，但是我在网上搜索了并且不知道，谁能告诉我为什么或指导我一些材料来弄清楚吗？

Answer 1

但我经常听到基于树的模型，例如随机森林或提升 模型不需要做one-hot编码

这不一定正确，因为某些实现会对数值和分类变量应用不同的逻辑，因此最好为您使用的库适当地编码分类变量。

但是，有时可能对决策树模型使用数字编码，因为它们只是在寻找分割数据的位置，而不是将输入乘以权重。将此与将red=1, blue=2 解释为蓝色是两倍红色的神经网络进行对比，这显然不是你想要的。