Kategorik özelliklerle çalışma yöntemleri nelerdir?

Makine öğreniminde kategorik özellikler birkaç temel yöntemle işler:

1. Etiket Kodlama (Label Encoding) — her kategoriye benzersiz bir sayı atanır. Sıralı kategoriler için uygundur, ancak sıralama yoksa modeli yanıltabilir.

2. One-Hot Encoding — her kategori için ikili bir özellik oluşturulur. Örneğin, "Renk" özelliği {kırmızı, mavi, yeşil} ise, üç ikili özellik haline gelir.

3. Hedef Kodlama (Target Encoding) — kategoriler, hedef değişkenin istatistikleriyle (örneğin, her kategori için hedef değişkeninin ortalaması) değiştirilir. Veri sızıntısını önlemek için dikkatli olunmalıdır.

4. Frekans Kodlama — kategoriler, veri içindeki görülme sıklığıyla değiştirilir.

5. Gömme (Embeddings) — büyük sayıda benzersiz değere sahip kategoriler (örneğin, NLP'de) için, modelle birlikte eğitilen vektör temsilleri kullanılır.

Yöntem seçimi, göreve, modele ve veri hacmine bağlıdır. Örneğin, karar ağaçları için genellikle Label veya One-Hot Encoding yeterlidir, sinir ağları için gömme kullanılır.

Python'da pandas ile One-Hot Encoding örneği:

import pandas as pd

df = pd.DataFrame({'Renk': ['kırmızı', 'mavi', 'yeşil', 'mavi']})
df_encoded = pd.get_dummies(df, columns=['Renk'])
print(df_encoded)

Sonuç:

   Renk_kırmızı  Renk_yeşil  Renk_mavi
0             1            0           0
1             0            0           1
2             0            1           0
3             0            0           1