目標均值編碼（Mean target encoding）
首先，你會實作一個函式來完成目標均值編碼。記得需要完成以下兩個步驟：
- 在訓練集上計算平均值，並套用到測試集。
- 將訓練集切成 K 個摺。對每個摺計算 out-of-fold 的平均值，並套用到該摺。
這兩個步驟將分別在 test_mean_target_encoding() 和 train_mean_target_encoding() 兩個函式中實作。
最終的 mean_target_encoding() 函式會接收以下參數：訓練與測試的 DataFrame、需要編碼的類別欄位名稱、目標欄位名稱，以及平滑參數 alpha。它會回傳兩個值：分別是訓練集與測試集的新特徵。
本練習屬於課程
用 Python 拿下 Kaggle 競賽
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
def test_mean_target_encoding(train, test, target, categorical, alpha=5):
# Calculate global mean on the train data
global_mean = train[target].mean()
# Group by the categorical feature and calculate its properties
train_groups = train.groupby(categorical)
category_sum = train_groups[target].sum()
category_size = train_groups.size()
# Calculate smoothed mean target statistics
train_statistics = (category_sum + global_mean * alpha) / (category_size + ____)
# Apply statistics to the test data and fill new categories
test_feature = test[categorical].map(train_statistics).fillna(____)
return test_feature.values