TargetEncoder#

класс sklearn.preprocessing.TargetEncoder(категории='auto', target_type='auto', сглаживать='auto', cv=5, перемешивание=True, random_state=None)[источник]#

Кодировщик целевой переменной для регрессии и классификации.

Каждая категория кодируется на основе сжатой оценки средних целевых значений для наблюдений, принадлежащих категории. Схема кодирования смешивает глобальное среднее целевое значение со средним целевым значением, обусловленным значением категории (см. [MIC]).

Когда целевой тип является "многоклассовым", кодировки основаны на оценке условной вероятности для каждого класса. Цель сначала бинаризуется с использованием схемы "один против всех" через LabelBinarizer, затем среднее целевое значение для каждого класса и каждой категории используется для кодирования, что приводит к n_features * n_classes закодированные выходные признаки.

TargetEncoder учитывает пропущенные значения, такие как np.nan или None, как другую категорию и кодирует их как любую другую категорию. Категории, которые не были замечены во время fit кодируются средним значением целевой переменной, т.е. target_mean_.

Для демонстрации важности TargetEncoder внутренней перекрёстной подгонки, см. Внутренняя перекрестная подгонка Target Encoder. Для сравнения различных кодировщиков обратитесь к Сравнение Target Encoder с другими кодировщиками. Подробнее в Руководство пользователя.

Примечание

fit(X, y).transform(X) . Наличие образца fit_transform(X, y) потому что кросс-фиттинг схема используется в fit_transform для кодирования. См. Руководство пользователя подробности.

Добавлено в версии 1.3.

Параметры:
категории“auto” или список формы (n_features,) из array-like, по умолчанию=”auto”

Категории (уникальные значения) для каждого признака:

  • "auto" : Автоматическое определение категорий на основе обучающих данных.

  • list : categories[i] содержит категории, ожидаемые в i-м столбце. Переданные категории не должны смешивать строки и числовые значения в одном признаке и должны быть отсортированы в случае числовых значений.

Используемые категории хранятся в categories_ атрибут fitted.

target_type{“auto”, “continuous”, “binary”, “multiclass”}, по умолчанию=”auto”

Тип цели.

  • "auto" : Тип цели выводится с помощью type_of_target.

  • "continuous" : Непрерывная целевая переменная

  • "binary" : Бинарная цель

  • "multiclass" : Многоклассовая целевая переменная

Примечание

Тип цели, выведенный с помощью "auto" может не быть желаемым целевым типом, используемым для моделирования. Например, если цель состояла из целых чисел от 0 до 100, то type_of_target будет определять цель как "multiclass". В этом случае установка target_type="continuous" укажет цель как задачу регрессии. Параметр target_type_ атрибут указывает тип целевой переменной, используемый кодировщиком.

Изменено в версии 1.4: Добавлена опция 'multiclass'.

сглаживать“auto” или float, по умолчанию=”auto”

Степень смешивания среднего значения целевой переменной, обусловленного значением категории, с глобальным средним значением целевой переменной. Большее smooth значение будет придавать больший вес глобальному среднему целевой переменной. Если "auto", затем smooth установлен в эмпирическую байесовскую оценку.

cvint, по умолчанию=5

Определяет количество фолдов в кросс-фиттинг стратегия, используемая в fit_transform. Для целевых переменных классификации, StratifiedKFold используется и для непрерывных целевых переменных, KFold используется.

перемешиваниеbool, по умолчанию=True

Перемешивать ли данные в fit_transform перед разделением на фолды. Обратите внимание, что выборки внутри каждого фолда не будут перемешаны.

random_stateint, экземпляр RandomState или None, по умолчанию=None

Когда shuffle равно True, random_state влияет на порядок индексов, что контролирует случайность каждого сгиба. В противном случае этот параметр не оказывает эффекта. Передайте целое число для воспроизводимого вывода при множественных вызовах функции. См. Глоссарий.

Атрибуты:
encodings_, который аналогиченсписок формы (n_features,) или (n_features * n_classes) из ndarray

Кодировки, изученные на всех X. Для признака i, encodings_[i] являются кодировками, соответствующими категориям, перечисленным в categories_[i]. Когда target_type_ является "multiclass", кодирование для признака i и класс j хранится в encodings_[j + (i * len(classes_))]. Например, для 2 признаков (f) и 3 классов (c), кодировки упорядочены: f0_c0, f0_c1, f0_c2, f1_c0, f1_c1, f1_c2,

categories_список формы (n_features,) из ndarray

Категории каждого входного признака, определенные во время обучения или указанные в categories (в порядке признаков в X и соответствует выходным данным transform).

target_type_str

Тип цели.

target_mean_float

Общее среднее целевой переменной. Это значение используется только в transform для кодирования категорий.

n_features_in_int

Количество признаков, замеченных во время fit.

feature_names_in_ndarray формы (n_features_in_,)

Имена признаков, наблюдаемых во время fit. Определено только когда X имеет имена признаков, которые все являются строками.

classes_ndarray или None

Если target_type_ является 'binary' или 'multiclass', содержит метку для каждого класса, в противном случае None.

Смотрите также

OrdinalEncoder

Выполняет порядковое (целочисленное) кодирование категориальных признаков. В отличие от TargetEncoder, это кодирование не является контролируемым. Обработка полученного кодирования как числовых признаков приводит к произвольно упорядоченным значениям и, как правило, к более низкой прогностической производительности при использовании в качестве предобработки для классификатора или регрессора.

OneHotEncoder

Выполняет one-hot кодирование категориальных признаков. Это неконтролируемое кодирование лучше подходит для категориальных переменных с низкой кардинальностью, так как создает один новый признак для каждой уникальной категории.

Ссылки

Примеры

С smooth="auto", параметр сглаживания устанавливается в эмпирическую байесовскую оценку:

>>> import numpy as np
>>> from sklearn.preprocessing import TargetEncoder
>>> X = np.array([["dog"] * 20 + ["cat"] * 30 + ["snake"] * 38], dtype=object).T
>>> y = [90.3] * 5 + [80.1] * 15 + [20.4] * 5 + [20.1] * 25 + [21.2] * 8 + [49] * 30
>>> enc_auto = TargetEncoder(smooth="auto")
>>> X_trans = enc_auto.fit_transform(X, y)

>>> # A high `smooth` parameter puts more weight on global mean on the categorical
>>> # encodings:
>>> enc_high_smooth = TargetEncoder(smooth=5000.0).fit(X, y)
>>> enc_high_smooth.target_mean_
np.float64(44.3)
>>> enc_high_smooth.encodings_
[array([44.1, 44.4, 44.3])]

>>> # On the other hand, a low `smooth` parameter puts more weight on target
>>> # conditioned on the value of the categorical:
>>> enc_low_smooth = TargetEncoder(smooth=1.0).fit(X, y)
>>> enc_low_smooth.encodings_
[array([21, 80.8, 43.2])]
fit(X, y)[источник]#

Обучить TargetEncoder к X и y.

Не рекомендуется использовать этот метод, так как он может привести к утечке данных. Используйте fit_transform на обучающих данных вместо.

Примечание

fit(X, y).transform(X) . Наличие образца fit_transform(X, y) потому что кросс-фиттинг схема используется в fit_transform для кодирования. См. Руководство пользователя подробности.

Параметры:
Xarray-like формы (n_samples, n_features)

Данные для определения категорий каждого признака.

yarray-like формы (n_samples,)

Целевые данные, используемые для кодирования категорий.

Возвращает:
selfobject

Обученный энкодер.

fit_transform(X, y)[источник]#

Обучить TargetEncoder и преобразовать X с целевым кодированием.

Этот метод использует кросс-фиттинг схема для предотвращения утечки целевой переменной и переобучения в последующих предикторах. Это рекомендуемый метод для кодирования обучающих данных.

Примечание

fit(X, y).transform(X) . Наличие образца fit_transform(X, y) потому что кросс-фиттинг схема используется в fit_transform для кодирования. См. Руководство пользователя подробности.

Параметры:
Xarray-like формы (n_samples, n_features)

Данные для определения категорий каждого признака.

yarray-like формы (n_samples,)

Целевые данные, используемые для кодирования категорий.

Возвращает:
X_transndarray формы (n_samples, n_features) или (n_samples, (n_features * n_classes))

Преобразованный вход.

get_feature_names_out(input_features=None)[источник]#

Получить имена выходных признаков для преобразования.

Параметры:
input_featuresarray-like из str или None, по умолчанию=None

Не используется, присутствует здесь для согласованности API по соглашению.

Возвращает:
feature_names_outndarray из str объектов

Преобразованные имена признаков. feature_names_in_ используется, если он не определен, в этом случае генерируются следующие имена входных признаков: ["x0", "x1", ..., "x(n_features_in_ - 1)"]. Когда type_of_target_ является «многоклассовым», имена имеют формат ‘<имя_признака>_<имя_класса>’.

6332()[источник]#

Получить маршрутизацию метаданных этого объекта.

Пожалуйста, проверьте Руководство пользователя о том, как работает механизм маршрутизации.

Возвращает:
маршрутизацияMetadataRequest

A MetadataRequest Инкапсуляция информации о маршрутизации.

get_params(глубокий=True)[источник]#

Получить параметры для этого оценщика.

Параметры:
глубокийbool, по умолчанию=True

Если True, вернет параметры для этого оценщика и вложенных подобъектов, которые являются оценщиками.

Возвращает:
paramsdict

Имена параметров, сопоставленные с их значениями.

set_output(*, преобразовать=None)[источник]#

Установить контейнер вывода.

См. Введение API set_output для примера использования API.

Параметры:
преобразовать{“default”, “pandas”, “polars”}, по умолчанию=None

Настройка вывода transform и fit_transform.

  • "default": Формат вывода трансформера по умолчанию

  • "pandas": DataFrame вывод

  • "polars": Вывод Polars

  • None: Конфигурация преобразования не изменена

Добавлено в версии 1.4: "polars" опция была добавлена.

Возвращает:
selfэкземпляр estimator

Экземпляр оценщика.

set_params(**params)[источник]#

Установить параметры этого оценщика.

Метод работает как на простых оценщиках, так и на вложенных объектах (таких как Pipeline). Последние имеют параметры вида __ чтобы можно было обновить каждый компонент вложенного объекта.

Параметры:
**paramsdict

Параметры оценщика.

Возвращает:
selfэкземпляр estimator

Экземпляр оценщика.

преобразовать(X)[источник]#

Преобразовать X с помощью таргет-энкодинга.

Этот метод внутренне использует encodings_ атрибут, изученный во время TargetEncoder.fit_transform для преобразования тестовых данных.

Примечание

fit(X, y).transform(X) . Наличие образца fit_transform(X, y) потому что кросс-фиттинг схема используется в fit_transform для кодирования. См. Руководство пользователя подробности.

Параметры:
Xarray-like формы (n_samples, n_features)

Данные для определения категорий каждого признака.

Возвращает:
X_transndarray формы (n_samples, n_features) или (n_samples, (n_features * n_classes))

Преобразованный вход.