平均值编码

https://zhuanlan.zhihu.com/p/26308272

1. 针对高基数定性特征（类别特征）的数据预处理

2. 一般情况下，针对定性特征，我们只需要使用sklearn的OneHotEncoder或LabelEncoder进行编码

3. OneHotEncoder：则能通过哑编码，制作出一个m*n的稀疏矩阵

4. LabelEncoder ：能够接收不规则的特征列，并将其转化为从到的整数值、LabelEncoder将n种类别编码为从0到n-1的整数，虽然能够节省内存和降低算法的运行时间，但是隐含了一个假设：不同的类别之间，存在一种顺序关系。

5. 平均数编码：在贝叶斯的架构下，利用所要预测的应变量（target variable），有监督地确定最适合这个定性特征的编码方式

• 基本思想：将variable中的每一个k，都表示为（估算的）它所对应的目标y值概率：

  。（估算的结果都用“^”表示，以示区分）