xgboost特征选择matlab

在xgboost中，特征选择通常是通过三种方法来确定分裂点位置：暴力穷举搜索法、候选分位点法和按权重的分位点算法。这些方法都是为了找到最佳的分裂点位置来提高模型的性能。
然而，需要注意的是，xgboost只支持数值型的特征，不支持离散类别特征进行one-hot编码。因为对离散值特别多的特征进行one-hot编码会增加树的深度，影响模型的性能。相反，可以采用embedding的方式将离散特征映射成低维向量，这是一种更好的解决方案。
综上所述，xgboost是由多个CART回归树集成而成，它在GBM标准算法的基础上进行了优化。特征选择是通过考虑不同的分裂点算法来实现的，同时也支持使用embedding的方式处理离散特征。