Python cuml.preprocessing.TargetEncoder.TargetEncoder用法及代碼示例

用法: class cuml.preprocessing.TargetEncoder.TargetEncoder(n_folds=4, smooth=0, seed=42, split_method='interleaved', output_type='auto')

基於 cudf 的目標編碼實現 [1] ，它將一個或多個分類變量“Xs”與目標變量“Y”的對應值的平均值進行轉換。輸入數據按列 Xs 分組，並計算每個組的 Y 的聚合平均值以替換 Xs 的每個值。應用了一些優化來防止標簽泄漏和並行執行。

參數：

n_folds：int(默認=4): 擬合訓練數據的默認折疊數。為了防止 fit 中的標簽泄漏，我們將數據拆分為 n_folds 並使用剩餘折疊的目標變量對一個折疊進行編碼。
smooth：int 或浮點數(默認值=0): 用於平滑編碼的樣本計數。 0 表示沒有平滑。
seed：int(默認=42): 隨機種子
split_method：{‘random’, ‘continuous’, ‘interleaved’}，: default='interleaved' 將訓練數據拆分為 n_folds 的方法。 ‘random’：隨機拆分。 ‘continuous’：連續的樣本被分成一個折疊。 ‘interleaved’：樣本以循環方式分配給每個折疊。 ‘customize’：通過提供 fold_ids 數組來自定義拆分

在fit() 或fit_transform() 函數中。
output_type: {‘cupy’, ‘numpy’, ‘auto’}, default = ‘auto’：: 輸出的數據類型。如果‘auto’，它匹配輸入數據。

參考：

1: https://maxhalford.github.io/blog/target-encoding/

例子：

將分類實現轉換為數字實現

from cudf import DataFrame, Series

train = DataFrame({'category': ['a', 'b', 'b', 'a'],
                   'label': [1, 0, 1, 1]})
test = DataFrame({'category': ['a', 'c', 'b', 'a']})

encoder = TargetEncoder()
train_encoded = encoder.fit_transform(train.category, train.label)
test_encoded = encoder.transform(test.category)
print(train_encoded)
print(test_encoded)

輸出：

[1. 1. 0. 1.]
[1.   0.75 0.5  1.  ]

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.preprocessing.TargetEncoder.TargetEncoder。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。