机器学习-CatBoost如何处理非数值型(Object)数据

很多机器学习模型在使用数据训练模型时，都无法处理非数值型数据，这就需要我们提前将数据进行独热编码，然后再使用数据训练模型，不过我一直倾心于CatBoost模型，CatBoost模型有以下几个特征：
1.无需对非数值型数据进行预处理（！！！特别暖心）
2.不需要调参，采用默认的参数就能训练出很好的模型
3.可以基于GPU训练模型
4.可以减少过拟合（如果你的数据平衡性非常差，那就当我没说）

虽然CatBoost能够处理非数值型数据，但是在使用非数值型数据训练模型之前，需要在CatBoost中定义好非数值型数据的列名，代码如下

categorical_features_indices = np.where(data.dtypes != np.float)[0]//很重要！！！
catboost= CatBoostRegressor(iterations=30, learning_rate=0.005, depth=6,cat_features=categorical_features_indices)