ptype-cat：推断分类变量的类型与取值
机器学习
2021-11-24 v1 数据库
摘要
类型推断是识别数据列中取值类型的任务，已在文献中被广泛研究。大多数现有类型推断方法支持布尔、日期、浮点、整数和字符串等数据类型。然而，这些方法未考虑非布尔分类变量，即由整数或字符串编码且可能取值多于两个的变量。因此，此类列被标注为整数或字符串而非分类变量，需要用户手动转换为分类变量。本文提出一种概率类型推断方法，可识别通用分类数据类型（包括非布尔变量）。此外，我们通过改进现有类型推断方法 ptype 来识别每个分类变量的可能取值。结合这些方法，我们提出了 ptype-cat，其取得了优于现有可用方案的结果。
引用
@article{arxiv.2111.11956,
title = {ptype-cat: Inferring the Type and Values of Categorical Variables},
author = {Taha Ceritli and Christopher K. I. Williams},
journal= {arXiv preprint arXiv:2111.11956},
year = {2021}
}