3

我正在研究目标列中有五个类的多类分类问题。我使用扩展平均编码（目标编码）为分类变量生成了特征。该方法基于使用每个值的目标变量的平均值对分类变量值进行编码。

这也会导致一些 NaN 值，例如“Transaction-Type_mean_target”列。

  1. 填充这些 NaN 值的最佳方法是什么？我应该用均值列填充这些。

  2. 由于目标/因变量“投诉状态”不存在，如何为我的测试数据生成平均编码？

输入数据 ：

在此处输入图像描述

生成平均编码：

def add_feat_mean_encoding(col_list):
    """
        Expanding mean encoding 
    """
    for i in col_list:
        cumsum = train.groupby(i)['Complaint-Status'].cumsum() - train['Complaint-Status']
        cumcnt = train.groupby(i).cumcount()
        train[i+'_mean_target'] = cumsum/cumcnt

cat_var = ['Transaction-Type','Complaint-reason','Company-response','Consumer-disputes']
add_feat_mean_encoding(cat_var)
4

1 回答 1

1

如果你的特征是分类的，用均值估算没有意义，至少这意味着你为 Nans 创造了新的价值。那是你要的吗 ？

为了回答您的问题：

  1. 对于分类特征，您可以尝试不同的方法。您可以从SimpleImputerscikit 开始（请参阅此处），例如：
FILL_VALUE=100
imp_1 = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
imp_2 = SimpleImputer(missing_values=np.nan, strategy='constant', fille_value=FILL_VALUE)

  1. 请提供有关您的测试集的信息：有哪些功能？如果您在测试集中没有该功能Complaint-Status，有两种方法：

    • 您可以Complaint-Status使用训练集（以及您希望预测的特征Complaint-Status，作为 Y）预测测试集的特征。尝试不同的分类器并选择提供最佳结果的分类器。
    • 您还可以将二维 Y 与实际的 Y + 一起使用Complaint-Status。
于 2020-02-17T08:26:38.173 回答