面向二分类的类别编码器基准测试
机器学习
2023-11-21 v3
摘要
类别编码器将类别特征转换为数值表示，这对广泛的机器学习模型不可或缺。现有的编码器基准研究因以下有限选择而缺乏泛化性：(1) 编码器，(2) 实验因素，以及 (3) 数据集。此外，采用不同的聚合策略导致了不一致性。本文是迄今最全面的类别编码器基准测试，包含对来自不同族的 32 种编码器配置、36 种实验因素组合以及 50 个数据集的广泛评估。研究表明，数据集选择、实验因素与聚合策略对基准结论有深远影响——这些方面在以往的编码器基准中被忽视。
引用
@article{arxiv.2307.09191,
title = {A benchmark of categorical encoders for binary classification},
author = {Federico Matteucci and Vadim Arzamasov and Klemens Boehm},
journal= {arXiv preprint arXiv:2307.09191},
year = {2023}
}
备注
To be published in the 37th Conference on Neural Information Processing Systems (NeurIPS 2023) Track on Datasets and Benchmarks