我最近一直在使用随机森林回归，效果非常好。我在网上读到可以使用随机森林分类器来处理分类数据，于是我搜索了一些相关的例子，但没有找到特别有用的内容。我看到了一些关于将分类数据通过独热编码转换为数值数据的文章，但据我所知，这对于随机森林方法来说并不是一个好主意。如果你确实可以使用随机森林技术来基于分类数据预测结果，请分享一些资源（链接、代码等）。我很想测试这个概念。只是我似乎找不到关于这个主题的好教程。我在Python环境中工作。谢谢。

回答：

对于回归和二元分类，决策树（因此包括RF）的实现应该能够处理分类数据。这一概念在CART（1984）的原始论文中提出，指出可以通过考虑类别在平均响应上的顺序来找到最佳分割，然后按此处理。你可以在这里找到问题的解释 这里
对于多类分类，问题会稍微复杂一些。

无论如何，这种方法可能会导致一些过拟合，因为你实际上是在使用一些目标编码（对于RF来说应该不是太大的问题，可能对于提升机来说更是一个问题）。然而，许多实现并不允许自动对分类变量进行分割，因此了解在树中编码的最佳方法是有益的。我建议阅读 这篇 Medium文章和 这篇 博客文章。

最后，一些实现对分类数据的处理方式不同但同样有效。我建议查看 H2O的实现，它使用了一种快速分割的优雅分箱方法。