Qual è la differenza tra una codifica a caldo e tralasciare una codifica?

Sto leggendo una presentazione e mi consiglia di non utilizzare lasciare una codifica, ma va bene con una codifica a caldo. Pensavo fossero entrambi uguali. Qualcuno può descrivere quali sono le differenze tra loro?

— ICM
fonte

Non è chiaro (solo dalla tua domanda) che cosa sia anche il congedo. Dovresti modificarlo per dare un puntatore e spiegare brevemente la tua comprensione dei due, e perché pensi che siano gli stessi.

— Sean Owen,

tralasciane uno, da scikit learn contrib progetto categorico

— mork

Probabilmente stanno usando "tralascia una codifica" per riferirsi alla strategia di Owen Zhang.

Da: https://www.kaggle.com/c/caterpillar-tube-pricing/forums/t/15748/strategies-to-encode-categorical-variables-with-many-categories

La colonna codificata non è una variabile fittizia convenzionale, ma è invece la risposta media su tutte le righe per questo livello categoriale, esclusa la riga stessa. Questo ti dà il vantaggio di avere una rappresentazione a una colonna del categoriale evitando perdite di risposta diretta

Questa immagine esprime bene l'idea.

— Dex Groves
fonte

La tua spiegazione è migliore di quella di Wacax nel link di riferimento, grazie

— Allan Ruin del

Ciao @Dex Groves, quindi la codifica leave_one_out per il test è sempre .5?

— user7117436

Ciao! Come si vede dalla figura, questo esempio paticolare riguarda il problema di classificazione. Qualcuno ha un'esperienza con la codifica LOO all'interno del problema di regressione? La domanda principale è come aggregare la variabile target. Ora sto facendo esperimenti e ottengo un enorme overfitting con la media (y).

— Alexey Trofimov,

per un problema di clustering (senza supervisione), è possibile utilizzare questo tipo di codifica?

— enneppi,

@AlexeyTrofimov: prova un'aggregazione con una varianza inferiore. Vorrei iniziare con diversi binning (come 1K, 2K, 2M, .. per valori y int di grandi dimensioni o alcuni arrotondamenti a una posizione decimale per valori float y) => mean (bin_f (y))

— mork