目标均值编码（Mean Target Encoding）
首先，您将创建一个实现目标均值编码的函数。需要完成以下两个步骤：
- 在训练集上计算均值，并将其应用到测试集。
- 将训练集划分为 K 折。为每一折计算折外（out-of-fold）均值，并应用到该折。
上述每个步骤将分别实现在函数：test_mean_target_encoding() 和 train_mean_target_encoding() 中。
最终的函数 mean_target_encoding() 接收以下参数：训练集和测试集 DataFrame、需要编码的分类列名、目标列名以及平滑参数 alpha。它返回两个值：训练集和测试集对应的新特征。
本练习是课程的一部分
用 Python 赢下 Kaggle 竞赛
交互式实操练习
通过完成这段示例代码来试试这个练习。
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