是的，它有所作为。没有好的答案，你应该两个都试试。如果您正在寻找性能，您甚至可能需要尝试各种编码并使用不同的编码堆叠模型......

另一种方法可能是用目标的条件平均值替换因子（出现次数相对较多）。

编辑。

至于为什么，原因在于boosting是基于决策树的。

想象一下，因子列代表一个国家。如果将其编码为整数，则决策规则将读取为if country > 10. 这些组将代表与前 10 个国家不对应的所有国家（并且编码顺序很重要）。

另一方面，如果您使用虚拟变量对其进行编码，则生成的规则将是if country10 > 0.5（这可能对应于特定的国家：）country10 == 1。现在（如果在生长树时不对列进行子分类），无论编码如何，模型的性能都是相同的。

走向最佳整数编码？

你有关于产品的信息吗？或者它只是一个ID？如果您可以将产品范围设置为 1-100，例如手机、101-300 辆汽车、301-1000 本书，它可能有助于您的算法找到具有实际意义的组（现在规则if product > 300自动引用所有书籍。 .. 绝对不能保证使用这种方法提高性能。