区块链行业发生了这十件大事！

其中w_i在0到1之间，具体取决于组平均值的"可信度"。

接下来的三种算法(TargetEncoder，MEstimateEncoder和JamesSteinEncoder)基于它们定义w_i的方式而有所不同。

在TargetEncoder中，权重取决于组的数字和称为"平滑"的参数。当平滑为0时，我们仅依靠组均值。然后，随着平滑度的增加，全局平均权重越来越大，从而导致更强的正则化。

让我们看看结果如何随着一些不同的平滑值而变化。
 

哈希的基本属性是所得整数均匀分布。因此，如果将除数足够大，则不可能将两个不同的字符串映射到相同的整数。为什么这样有用?实际上，这有一个非常实用的应用程序，称为"哈希技巧"。

想象一下，您想使用Logistic回归进行电子邮件垃圾邮件分类。您可以通过对数据集中的所有单词进行一次热编码来做到这一点。主要缺点是您需要将映射存储在单独的字典中，并且模型尺寸会在出现新字符串时随时更改。

使用哈希技巧可以轻松解决这些问题，因为通过对输入进行哈希处理，您不再需要字典，并且输出尺寸是固定的(仅取决于您最初选择的除数)。而且，对于散列的属性，您可以肯定的是，新字符串的编码可能会与现有字符串不同。

11. TargetEncoder

假设您有两个变量：一个类别(x)和一个数字(y)。假设您要将x转换为数字变量。您可能希望使用y"携带"的信息。一个明显的想法是对x的每个级别取y的平均值。在公式中：
 

老实说，我不知道这种编码的任何实际应用(如果您愿意，请在下面发表评论!)。

10. HashingEncoder

在HashingEncoder中，使用某种哈希算法(例如SHA-256)对每个原始级别进行哈希处理。然后，将结果转换为整数，并采用该整数相对于某个(大)除数的模块。这样，我们将每个原始字符串映射到1到divisor-1之间的整数。最后，通过此过程获得的
 

输出由伪列组成(就像OneHotEncoder一样)，但是它导致单热点的尺寸减少。

老实说，我不知道这种编码的任何实际应用(如果您愿意，请在下面发表评论!)。

9. BaseNEncoder

BaseNEncoder只是BinaryEncoder的概括。实际上，在BinaryEncoder中，数字以2为底，而在BaseNEncoder中，数字以n为底，n大于1。

让我们看一个以base = 3为例的例子。
 

我知道你在想什么数字变量如何与非数字变量具有线性(或二次或三次)关系?这是基于以下假设：基础分类变量具有不仅可观的而且均等间隔的级别。

因此，建议您仅在确信假设合理的情况下谨慎使用它。

8. BinaryEncoder

BinaryEncoder与OrdinalEncoder基本相同，唯一的区别是将整数转换为二进制数，然后每个位置数字都进行一次热编码。

（编辑：通化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!