{"id":71574,"date":"2023-07-05T14:29:02","date_gmt":"2023-07-05T13:29:02","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=71574"},"modified":"2024-09-20T17:45:57","modified_gmt":"2024-09-20T16:45:57","slug":"encoding-categorical-features-in-forecasting-are-we-all-doing-it-wrong","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/br\/blog\/encoding-categorical-features-in-forecasting-are-we-all-doing-it-wrong\/","title":{"rendered":"Codifica\u00e7\u00e3o de caracter\u00edsticas categ\u00f3ricas na previs\u00e3o: estamos todos fazendo isso errado?"},"content":{"rendered":"

Autor<\/h2><\/div>\"Image\"

O senhor Oudghiri<\/h3><\/div>

Data Cientista da Artefact Fran\u00e7a<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Propomos um novo m\u00e9todo para codificar recursos categ\u00f3ricos especificamente adaptados para aplicativos de previs\u00e3o. Em ess\u00eancia, essa abordagem codifica recursos categ\u00f3ricos modelando a tend\u00eancia das quantidades associadas a cada categoria. Em nossos experimentos, essa abordagem mostra benef\u00edcios substanciais de desempenho, tanto em termos de precis\u00e3o de previs\u00e3o quanto de vi\u00e9s, pois permite que os modelos de conjunto baseados em \u00e1rvore modelem e extrapolem melhor as tend\u00eancias.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

<\/span><\/a><\/span>

Leia nosso artigo sobre<\/u><\/p>\n<\/div>

<\/span><\/div>

.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Introdu\u00e7\u00e3o<\/h2><\/div>

A motiva\u00e7\u00e3o para este trabalho surgiu de v\u00e1rios projetos de previs\u00e3o de clientes no Artefact, nos quais nossos modelos de refor\u00e7o apresentaram alta tend\u00eancia no momento da previs\u00e3o. Por meio de uma fase de diagn\u00f3stico, identificamos que uma das principais fontes de vi\u00e9s nos modelos de aprendizado de conjunto decorria de seus desafios em modelar com precis\u00e3o as tend\u00eancias e os n\u00edveis flutuantes.<\/p>\n

A seguir, demonstraremos\u00a0por que<\/strong>\u00a0e\u00a0como<\/strong>\u00a0usamos uma nova abordagem para codificar recursos categ\u00f3ricos. Com base em nossos experimentos envolvendo um projeto de previs\u00e3o de varejo de um cliente e v\u00e1rios datasets p\u00fablicos, provamos que essa t\u00e9cnica pode efetivamente atenuar o vi\u00e9s e aumentar a precis\u00e3o.<\/p>\n<\/div>

Boosting e tend\u00eancias, por que \u00e9 complexo?<\/h2><\/div>

Os algoritmos de refor\u00e7o t\u00eam dificuldade para extrapolar<\/h3><\/div>

Os algoritmos de refor\u00e7o t\u00eam dificuldade para modelar e extrapolar tend\u00eancias, pois n\u00e3o podem prever novos valores n\u00e3o vistos no conjunto de treinamento\/ausentes nas folhas. \u201c\u00c1rvore Linear<\/a>\u201dOs modelos \" tentam aliviar esse problema, mas nossos testes produziram resultados inconclusivos com esse m\u00e9todo.<\/p>\n<\/div>

Codifica\u00e7\u00f5es cl\u00e1ssicas levam a previs\u00f5es est\u00e1ticas<\/h3><\/div>

Os m\u00e9todos de codifica\u00e7\u00e3o mais comuns empregados no boosting promovem rela\u00e7\u00f5es est\u00e1ticas entre vari\u00e1veis independentes e dependentes, o que, por sua vez, contribui para aumentar o vi\u00e9s na presen\u00e7a de tend\u00eancias. O diagrama abaixo ilustra esse fen\u00f4meno:<\/p>\n<\/div>

\"Classical<\/span><\/div>

Representa\u00e7\u00e3o visual simplificada que destaca a natureza est\u00e1tica da codifica\u00e7\u00e3o de caracter\u00edsticas categ\u00f3ricas empregada em algoritmos de refor\u00e7o<\/em><\/p>\n<\/div>

Reconhecemos que a representa\u00e7\u00e3o acima \u00e9 uma simplifica\u00e7\u00e3o exagerada, pois as \u00e1rvores de decis\u00e3o s\u00e3o mais complexas e capazes de identificar rela\u00e7\u00f5es n\u00e3o lineares com base em v\u00e1rios fatores. De fato, a condi\u00e7\u00e3o \u201ca cor \u00e9 preta\u201d poderia estar associada a \u201co m\u00eas \u00e9 junho\u201d. Nesse caso, o fato de a cor ser preta n\u00e3o teria o mesmo impacto em todos os momentos. Mas vamos analisar o quadro geral:<\/p>\n<\/div>