A preprocessing scheme for high-cardinality categorical attributes in classification and prediction problems

范畴变量 计算机科学 数据挖掘 预处理器 杠杆(统计) 朴素贝叶斯分类器 人工智能 基数(数据建模) 机器学习 数据预处理 人工神经网络 方案(数学) 模式识别(心理学) 支持向量机 数学 数学分析
作者
Daniele Micci-Barreca
出处
期刊:SIGKDD explorations [Association for Computing Machinery]
卷期号:3 (1): 27-32 被引量:207
标识
DOI:10.1145/507533.507538
摘要

Categorical data fields characterized by a large number of distinct values represent a serious challenge for many classification and regression algorithms that require numerical inputs. On the other hand, these types of data fields are quite common in real-world data mining applications and often contain potentially relevant information that is difficult to represent for modeling purposes.This paper presents a simple preprocessing scheme for high-cardinality categorical data that allows this class of attributes to be used in predictive models such as neural networks, linear and logistic regression. The proposed method is based on a well-established statistical method (empirical Bayes) that is straightforward to implement as an in-database procedure. Furthermore, for categorical attributes with an inherent hierarchical structure, like ZIP codes, the preprocessing scheme can directly leverage the hierarchy by blending statistics at the various levels of aggregation.While the statistical methods discussed in this paper were first introduced in the mid 1950's, the use of these methods as a preprocessing step for complex models, like neural networks, has not been previously discussed in any literature.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
滴滴哒发布了新的文献求助10
刚刚
1秒前
yang发布了新的文献求助10
3秒前
Kethy完成签到 ,获得积分10
4秒前
ljj301发布了新的文献求助10
5秒前
科研通AI5应助大胆的夏真采纳,获得10
8秒前
隐形曼青应助帅炸了采纳,获得30
9秒前
迷路宛筠完成签到 ,获得积分10
11秒前
12秒前
李大瓜发布了新的文献求助10
15秒前
慕青应助MRM采纳,获得30
16秒前
HH完成签到,获得积分10
18秒前
xinxin完成签到,获得积分10
20秒前
Hans完成签到,获得积分10
22秒前
秀丽蜜粉发布了新的文献求助10
22秒前
22秒前
22秒前
雾影觅光完成签到,获得积分10
22秒前
orixero应助李春霞采纳,获得10
23秒前
Daisykiller应助啦啦啦啦采纳,获得10
24秒前
斯文败类应助冷傲天川采纳,获得10
27秒前
29秒前
WNing发布了新的文献求助10
32秒前
沉静高山完成签到,获得积分10
32秒前
32秒前
MRM发布了新的文献求助30
33秒前
科研通AI5应助wlkq采纳,获得10
33秒前
英姑应助月宸采纳,获得10
35秒前
慕青应助周至采纳,获得10
35秒前
36秒前
科研通AI5应助怕黑丹珍采纳,获得30
36秒前
ZJJ发布了新的文献求助10
37秒前
猪猪hero应助ccm采纳,获得10
37秒前
咯噔完成签到,获得积分10
38秒前
劲秉应助醉逍遥采纳,获得10
38秒前
科研通AI2S应助一团小煤球采纳,获得10
39秒前
40秒前
彭于晏应助milv5采纳,获得10
41秒前
jgs发布了新的文献求助10
42秒前
44秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Ophthalmic Equipment Market 1500
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
いちばんやさしい生化学 500
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3672805
求助须知:如何正确求助?哪些是违规求助? 3228883
关于积分的说明 9782581
捐赠科研通 2939308
什么是DOI,文献DOI怎么找? 1610843
邀请新用户注册赠送积分活动 760758
科研通“疑难数据库(出版商)”最低求助积分说明 736203