Mi a Bayesian célkódolás?
sobes.tech MI
Válasz az MI-től
Bayes-i célzott kódolás egy olyan módszer, amely kategóriális jellemzők kódolására szolgál gépi tanulási feladatokban, és a célváltozó statisztikáin alapul bayesi simítással.
Az ötlet az, hogy a kategóriát egy olyan számmal helyettesítjük, amely tükrözi az adott kategória célváltozójának átlagértékét, figyelembe véve az általános átlagot és a megfigyelések számát, hogy elkerüljük a túlillesztést ritka kategóriák esetén.
A simítás képlete általában így néz ki:
[ \text{KódoltÉrték} = \frac{\text{kategóriaCélÁtlag} \times n + \text{globálisÁtlag} \times k}{n + k} ]
ahol:
- (n) — a kategóriában lévő megfigyelések száma,
- (k) — simítási paraméter (a priori átlag súlya),
- (\text{globálisÁtlag}) — az egész mintára vonatkozó átlag.
Ez a megközelítés segít csökkenteni a zajt és a túlillesztést, különösen ritka kategóriákkal való munkánál, és gyakran használják boosting algoritmusokban táblázatos adatokhoz.