Dincolo de clasificarea binară

Clasificarea binară este doar un caz special. Codificarea prin medie a variabilei țintă poate fi aplicată oricărui tip de variabilă țintă:

Pentru clasificarea binară se folosește de obicei codificarea prin medie a variabilei țintă
Pentru regresie, media poate fi înlocuită cu mediana, cuartilele etc.
Pentru clasificarea multi-clasă cu N clase, se creează N caracteristici cu media variabilei țintă pentru fiecare categorie, într-o abordare „una față de toate"

Funcția mean_target_encoding() pe care ai creat-o poate fi utilizată pentru orice tip de variabilă țintă menționat mai sus. Hai să o aplicăm pentru o problemă de regresie, folosind ca exemplu competiția Kaggle House Prices.

Scopul tău este să codifici caracteristica categorială "RoofStyle" prin codificare cu media variabilei țintă. DataFrames-urile train și test sunt deja disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Câștigarea unei competiții Kaggle în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Specifică toți parametrii lipsă pentru apelul funcției mean_target_encoding(). Numele variabilei țintă este "SalePrice". Setează hiperparametrul \(\alpha\) la valoarea 10.
Ține minte că parametrii train și test așteaptă DataFrames-urile de antrenament și de testare.
Parametrii target și categorical așteaptă, respectiv, numele variabilei țintă și al caracteristicii care urmează să fie codificate.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create mean target encoded feature
train['RoofStyle_enc'], test['RoofStyle_enc'] = mean_target_encoding(train=train,
                                                                     test=____,
                                                                     target='____',
                                                                     categorical='____',
                                                                     alpha=____)

# Look at the encoding
print(test[['RoofStyle', 'RoofStyle_enc']].drop_duplicates())

Editează și rulează codul