Laboratoriya ishi 7-laboratoriya ishi mavzu: Modellashtirish muhandisligi Bajardi

2) Maqsadli kodlash(Target guided encoding):
Ushbu kodlashda Xususiyatlar ma'lum bir kategorik qiymat berilgan maqsadning keyingi ehtimoli va barcha o'quv ma'lumotlari bo'yicha maqsadning oldingi ehtimoli aralashmasi bilan almashtiriladi. Bu usul yorliqlarni maqsadiga qarab buyurtma qiladi.
Misol:
from sunbird.categorical_encoding import target_guided_encoding
import pandas as pd


data = {'Subject': ['s1', 's2', 's3', 's1', 's4',
's3', 's2', 's1', 's2', 's4', 's1'],
'Target': [1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0]}


df = pd.DataFrame(data)


target_guided_encoding(df, 'Subject', 'Target')
df


3) Ehtimollik nisbati bo‘yicha kodlash(Probability ratio encoding):
Ehtimollar nisbatini kodlash mustaqil o'zgaruvchining yaxshi va yomon ehtimollik nisbati bo'yicha qaram o'zgaruvchiga nisbatan bashorat qilish kuchiga asoslanadi.
Misol:
from sunbird.categorical_encoding import probability_ratio_encoding
import pandas as pd


data = {'Subject': ['s1', 's2', 's3', 's1', 's4',
's3', 's2', 's1', 's2', 's4', 's1'],
'Target': [1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0]}


df = pd.DataFrame(data)


probability_ratio_encoding(df, 'Subject', 'Target')
df
4) O‘rtacha kodlash(Mean encoding):
Ushbu turdagi kodlash yorliq ichidagi ma'lumotlarni ushlaydi, shuning uchun ko'proq prognozli xususiyatlarni taqdim etadi, u o'zgaruvchi va maqsad o'rtasida monotonik munosabatni yaratadi. Biroq, bu modelning haddan tashqari o'rnatilishiga olib kelishi mumkin.
Misol:
from sunbird.categorical_encoding import mean_encoding
import pandas as pd
data = {'Subject': ['s1', 's2', 's3', 's1', 's4', 's3',
's2', 's1', 's2', 's4', 's1'],
'Target': [1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0]}

df = pd.DataFrame(data)

mean_encoding(df, 'Subject', 'Target')
df