一句话定义：目标编码（Target Encoding）是把类别特征的每个取值，替换成该类别下目标变量的平均值（回归任务）或正例比例（分类任务）的编码方法，也叫均值编码（Mean Encoding）。
它怎么工作
假设你预测门店销售额，手里有“所在城市”这个类别。与其把城市拆成几十列 0/1（独热编码 One-Hot Encoding），不如直接写一个数：这个城市的历史平均销售额是多少。一列数字就装下了几十个城市的信息，梯度提升树（GBDT）类模型很吃这一套。
打个比方：你要评估一个新供应商靠不靠谱，最省事的办法是看“同类供应商过去的平均表现”。目标编码做的正是这件事，只不过它看的“同类”就是类别本身。
为什么它危险
问题在于算均值时用到了目标 y 本身。某个城市只有 3 条样本，销售额 100、200、300，均值 200，这个 200 是“看过答案”算出来的。极端情况下某类别只有 1 条样本，均值就等于它自己的 y，模型直接把答案抄下来，训练集上准得离谱，上线全崩。这就是目标泄漏（Target Leakage）。
正确做法：折外编码
折外编码（Out-of-Fold Encoding）把训练集切成 K 折，给第 i 折的样本算编码时，只用其余 K-1 折的数据统计均值。这样每条样本的编码值都没见过自己的 y。再叠加平滑（Smoothing）：样本少的类别往全局均值上拉，(n×类别均值 + m×全局均值)/(n+m)，m 是平滑强度。
| 编码方式 | 做法 | 主要问题 |
|---|---|---|
| 独热编码 | 每类一列 0/1 | 高基数时维度爆炸 |
| 计数编码 | 换成该类出现次数 | 丢掉了与目标的关系 |
| 目标编码 | 换成该类下的目标均值 | 不做折外处理必然泄漏 |
和嵌入（AI 词典：Embedding">Embedding）的区别：目标编码是无需训练的确定性统计量，嵌入是模型学出来的向量。
实际意义
用户 ID、商品 SKU、邮编这类高基数类别，目标编码往往比独热更省内存也更有效。但必须记住几条纪律：折外计算、加平滑、交叉验证（Cross-Validation）的每一折内部重新拟合映射表，否则线下评估会虚高。线上推理要用全量训练数据重算映射表，口径要和训练时一致；具体实现细节以所用库的官方文档为准。
对非技术岗也一样：用历史平均给类别打分是常识，只是别忘了一句——样本太少的类别，那个平均值不值得信。