.png){kind=icon}
返回
Categorical variable encoding methods for tabular data: a benchmarking study
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-025-00886-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
机器学习模型通常需要数值输入，这使得对分类特征的编码成为数据预处理流程中的关键步骤。现有多种编码方法，如常用的独热编码（one-hot encoding），但这些方法可能并非总是最优的，因为它们会增加维度，且对类别间的固有关系缺乏敏感性。本文对26种分类编码技术进行了全面评估，并在13个真实数据集和7种不同机器学习算法上进行基准测试。本研究根据预测任务类型、模型性能和计算效率对这些方法进行分类，为编码器的选择提供了分类体系。此外，我们阐述了如何将Safe AI指标应用于编码流程，表明它们能提供关于模型鲁棒性和公平性的补充见解。最后，我们提供了一个名为EncodeHero的Python工具，使研究者和实践者能够（1）通过补充自有数据扩展基准结果；（2）根据其数据和技术的约束条件选择最佳编码方法。
Keyword:
Variable encoding
Categorical data
Tabular data
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.3K
机构
引用论文
分享收藏
Generalized Feature Embedding for Supervised, Unsupervised, and Online Learning Tasks用于监督，无监督和在线学习任务的广义特征嵌入
PREAI
分享收藏Effective Methods of Categorical Data Encoding for Artificial Intelligence Algorithms人工智能算法中分类数据编码的有效方法.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏
查看更多内容