简短的回答：是的。

梯度提升依赖于决策树。您的决策树的叶子以一种方式构建，以最佳地区分您的特征。对于数字特征，这意味着找到最佳分离值以将您的数据集分为两个子集。一个包含值高于或等于该分离值的观测值，而另一个呈现低于该分离值的值。

让叶子根据标准分割数据没有任何意义，例如$Store >= 5$. 但是，有一个分隔符是有意义的，例如$Store_5 = 1$（对比$Store_5 = 0$）。这正是为什么在集成方法（例如梯度提升）中为分类值创建虚拟变量的原因。