რა მეთოდები არსებობს კატეგორიული ნიშნებით მუშაობისთვის?

Машиналык үйрөнүүдө категориялык белгилер негизги ыкмалар менен иштейт:

1. Label Encoding (Белги коддоо) — ар бир категорияга уникалдуу сан берилет. Тартиптелген категориялар үчүн ылайыктуу, бирок тартип жок болсо моделди адаштырып коюшу мүмкүн.

2. One-Hot Encoding — ар бир категория үчүн бинардык өзгөчөлүк түзүлөт. Мисалы, "Түс" өзгөчөлүгү {кызыл, көк, жашыл} болсо, ал үч бинардык өзгөчөлүккө айланат.

3. Target Encoding (Максаттык коддоо) — категориялар максаттык өзгөрмөнүн статистикасы менен алмаштырылат (мисалы, ар бир категория үчүн максаттык өзгөрмөнүн орточо мааниси). Эскертүү керек, маалымат агып кетпеши үчүн.

4. Frequency Encoding (Жыштыкка негизделген коддоо) — категориялар алардын кездешүү жыштыгына ылайык алмаштырылат.

5. Embeddings (Векторлоо) — чоң санда уникалдуу маанилерге ээ категориялар үчүн (мисалы, NLPда) модел менен бирге үйрөтүлүүчү вектордук көрсөтүүлөр колдонулат.

Тандоо ыкмасы тапшырга, моделге жана маалыматтын көлөмүнө жараша болот. Мисалы, чечим дарактары үчүн көбүнчө Label же One-Hot Encoding жетиштүү, нейрондук тармактар үчүн — embeddings.

Python менен One-Hot Encoding мисалы:

import pandas as pd

df = pd.DataFrame({'Түс': ['кызыл', 'көк', 'жашыл', 'көк']})
df_encoded = pd.get_dummies(df, columns=['Түс'])
print(df_encoded)

Жыйынтык:

   Түскызыл  Түсжашыл  Түскөк
0             1          0          0
1             0          0          1
2             0          1          0
3             0          0          1