我在2014年发现了这个线程，答案是否定的，sklearn随机森林分类器不能处理分类变量(或者至少不能直接处理(。答案在2020年改变了吗？
我想为我的模型提供gender功能。然而，gender可以取三个值：M、F和np.nan。如果我将这一列编码为三个二分列，那么随机森林分类器如何知道这三列表示单个特征？
假设max_features=7。当训练一棵给定的树时，它会随机选择七个特征。假设选择了gender。如果gender被分为三列(gender_M、gender_F、gender_NA(，随机森林分类器会总是选择所有三列并将其作为一个特征，还是有可能只选择一个或两个？
如果max_features设置为低于实际列数的值(这是一种可取的方法，请参阅文档中max_features的推荐值(，则是的，对于随机林中的给定估计器，有可能只考虑伪列的子集。
但这并不一定太糟糕。在决策树中，一个特征被选择为给定级别的节点，目的是优化某些度量，独立于其他特征，也就是说，只考虑实际特征和目标。因此，在某种意义上，模型不会将这些伪列视为属于同一功能的。
不过，一般来说，二进制特征的最佳方法是想出一个合适的方法来填充缺失的值，并将其转换为编码为0s和1s的单列。