Kateqorik xüsusiyyətlərlə işləmək üçün hansı üsullar mövcuddur?

Maşın öyrənmədə kateqorik xüsusiyyətlər əsasən aşağıdakı əsas üsullarla işlənir:

1. Etiket kodlaşdırma (Label Encoding) — hər kateqoriyaya unikal nömrə verilir. Bu, sıralı kateqoriyalar üçün uyğundur, lakin sıra yoxdursa, modelə çaşqınlıq gətirə bilər.

2. One-Hot Encoding — hər kateqoriya üçün ikili xüsusiyyət yaradılır. Məsələn, "Rəng" xüsusiyyəti {qırmızı, mavi, yaşıl} kateqoriyaları ilə üç ikili xüsusiyyətə çevrilir.

3. Hədəf kodlaşdırma (Target Encoding) — kateqoriyalar hədəf dəyişəninin statistikası ilə (məsələn, hər kateqoriya üçün hədəf dəyişəninin orta dəyəri) əvəz olunur. Məlumat sızmasının qarşısını almaq üçün ehtiyatlı olmaq lazımdır.

4. Frekans kodlaşdırma (Frequency Encoding) — kateqoriyalar onların məlumatlarda rast gəlmə tezliyi ilə əvəz olunur.

5. Gömü (Embeddings) — çox sayda unikal dəyərə malik kateqoriyalar üçün (məsələn, NLP-də) model ilə birlikdə öyrədilən vektor təqdimatları istifadə olunur.

Yöntəm seçimi vəzifədən, modeldən və məlumatların miqdarından asılıdır. Məsələn, qərar ağacları üçün adətən Label və ya One-Hot Encoding kifayət edir, neyron şəbəkələr üçün — embeddings.

Python ilə One-Hot Encoding nümunəsi:

import pandas as pd

df = pd.DataFrame({'Rəng': ['qırmızı', 'mavi', 'yaşıl', 'mavi']})
df_encoded = pd.get_dummies(df, columns=['Rəng'])
print(df_encoded)

Nəticə:

   Rəng_qırmızı  Rəng_yaşıl  Rəng_mavi
0             1            0          0
1             0            0          1
2             0            1          0
3             0            0          1