Čo je Bayesian target encoding?

Bayesovské cieľové kódovanie je metóda kódovania kategorizovaných znakov v úlohách strojového učenia, založená na využití štatistík cieľovej premennej s použitím bayesovského vyhladzovania.

Myšlienka spočíva v tom, že kategóriu nahradíme číslom, ktoré odráža priemernú hodnotu cieľovej premennej pre túto kategóriu, pričom zohľadníme celkový priemer a počet pozorovaní, aby sme predišli preueniu na zriedkavých kategóriách.

Zvyčajne vyzerá vzorec vyhladzovania takto:

[ \text{ZakódovanáHodnota} = \frac{\text{priemerCieľovejHodnotyPreKategóriu} \times n + \text{globálnyPriemer} \times k}{n + k} ]

kde:

• (n) — počet pozorovaní v kategórii,
• (k) — parameter vyhladzovania (váha predpokladaného priemeru),
• (\text{globálnyPriemer}) — priemer celej vzorky.

Tento prístup pomáha znižovať šum a preuovanie, najmä pri práci s zriedkavými kategóriami, a často sa používa v algoritmoch boosting pre tabuľkové dáta.