Подготовка факторов ... Подготовка факторов Кодирование категориальных факторов Дана таблица со следующими факторами: «Десятилетие» — десятилетие XX века, когда был выпущен фильм.…
Подготовка факторов ... Подготовка факторов Кодирование категориальных факторов Дана таблица со следующими факторами: «Десятилетие» — десятилетие XX века, когда был выпущен фильм. «Студия» — код киностудии, которая занималась производством фильма. «Продолжительность» — продолжительность фильма в минутах. «Место съёмок, город» — город, в котором происходили съёмки фильма. «Литературная основа» — правда ли, что в основу фильма легло литературное произведение. «Число зрителей» — число зрителей фильма в кинопрокате. Десятилетие Студия Продолжительность, минуты Место съёмок, город Литературная основа Число зрителей 60 -е ABC 107 Москва Нет 25000000 60 -е ABC 83 Ленинград Да 29000000 50 -е CDE 99 Старая Ладога Да 14000000 80 -е FGH 115 Самара Нет 13000000 По имеющимся данным необходимо научиться предсказывать число зрителей фильма. Вопросы-ответы по тексту Фактор, который может принимать только одно из двух значений — либо «Да», либо «Нет», — принято называть не категориальным, а бинарным. Кодирование бинарных факторов в численное представление происходит по очень простому принципу: значению «Нет» сопоставляется 0 , а значению «Да» — 1 . Определите тип каждого из факторов, которые представлены в данных. Верно «Десятилетие» «Студия» «Продолжительность, минуты» «Место съёмок, город» «Литературная основа» «Число зрителей» бинарный категориальный категориальный, имеющий порядок численный Далее Вопросы-ответы по задаче Для каждого из факторов определите все подходы (их может быть несколько), которые было бы уместно применить для его кодирования в численное значение. Если фактор численный, то соотнесите его с подходом «Кодирование не требуется». Например, категориальный фактор «Жанр фильма» можно закодировать двумя способами: «Завести под каждую категорию новую колонку...» и целевое кодирование. При этом способ «Упорядочить все возможные категории...» не подходит, потому что у жанров нет естественного порядка. «Десятилетие» «Студия» «Продолжительность, минуты» Перевести значение «Нет» в 0 , а значение «Да» — в 1 Упорядочить все возможные категории и сопоставить каждую из них её номеру в общем списке Завести под каждую категорию новую колонку, в которой значение 0 соответствует тому, что объект не принадлежит данной категории, а значение 1 — тому, что принадлежит Целевое кодирование Кодирование не требуется Ответить Вопросы-ответы по задаче Для каждого из факторов определите все подходы (их может быть несколько), которые было бы уместно применить для его кодирования в численное значение. Если фактор численный, то соотнесите его с подходом «Кодирование не требуется». Например, категориальный фактор «Жанр фильма» можно закодировать двумя способами: «Завести под каждую категорию новую колонку...» и целевое кодирование. При этом способ «Упорядочить все возможные категории...» не подходит, потому что у жанров нет естественного порядка. «Место съёмок, город» «Литературная основа» «Число зрителей» Перевести значение «Нет» в 0 , а значение «Да» — в 1 Упорядочить все возможные категории и сопоставить каждую из них её номеру в общем списке Завести под каждую категорию новую колонку, в которой значение 0 соответствует тому, что объект не принадлежит данной категории, а значение 1 — тому, что принадлежит Целевое кодирование Кодирование не требуется
Для того чтобы решить задачу по кодированию факторов, нам нужно определить тип каждого фактора в представленных данных и подходы к их кодированию. Давайте подробнее рассмотрим каждый фактор.
Определение типов факторов
Десятилетие
- Тип: Категориальный, имеющий порядок (так как десятилетия имеют естественный порядок: 50-е, 60-е, 70-е и т.д.).
Студия
- Тип: Категориальный (код киностудии является категориальным, но не упорядоченным).
Продолжительность, минуты
- Тип: Численный (это количество минут, поэтому кодирование не требуется).
Место съёмок, город
- Тип: Категориальный (города представляют собой категории без естественного порядка).
Литературная основа
- Тип: Бинарный (это бинарный признак с двумя значениями: "Да" и "Нет").
Число зрителей
- Тип: Численный (это количество зрителей, также не требует кодирования).
Подходы к кодированию факторов
Теперь рассмотрим подходы к кодированию каждого фактора:
Десятилетие
- Упорядочить все возможные категории и сопоставить каждой её номер. (например, 50-е — 1, 60-е — 2, 70-е — 3)
- Завести под каждую категорию новую колонку (один горячий код).
Студия
- Завести под каждую категорию новую колонку, в которой значение 0 соответствует тому, что объект не принадлежит данной категории, а значение 1 — тому, что принадлежит. (один горячий код).
- Целевое кодирование. (можно использовать в зависимости от модели).
Продолжительность, минуты
- Кодирование не требуется.
Место съёмок, город
- Завести под каждую категорию новую колонку. (один горячий код).
- Целевое кодирование. (в зависимости от контекста анализа).
Литературная основа
- Перевести значение «Нет» в 0, а значение «Да» — в 1. (это бинарное кодирование).
Число зрителей
- Кодирование не требуется.
Итоговая таблица
| Фактор | Тип | Кодирование |
|---|---|---|
| Десятилетие | Категориальный, имеющий порядок | Упорядочить и сопоставить номера, Завести под каждую категорию новую колонку |
| Студия | Категориальный | Завести под каждую категорию новую колонку, Целевое кодирование |
| Продолжительность, минуты | Численный | Кодирование не требуется |
| Место съёмок, город | Категориальный | Завести под каждую категорию новую колонку, Целевое кодирование |
| Литературная основа | Бинарный | Перевести значение «Нет» в 0, а значение «Да» — в 1 |
| Число зрителей | Численный | Кодирование не требуется |
Заключение
Таким образом, мы определили типы факторов и подходы к их кодированию в числовое представление. Это поможет создать модель для предсказания числа зрителей фильма на основе остальных факторов. Если у вас есть дополнительные вопросы, не стесняйтесь задавать их!
