{"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\/es\/blog\/encoding-categorical-features-in-forecasting-are-we-all-doing-it-wrong\/","title":{"rendered":"Codificaci\u00f3n de rasgos categ\u00f3ricos en la previsi\u00f3n: \u00bflo estamos haciendo todos mal?"},"content":{"rendered":"

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

Youssef Oudghiri<\/h3><\/div>

Data Cient\u00edfico en Artefact Francia<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Proponemos un m\u00e9todo novedoso para codificar caracter\u00edsticas categ\u00f3ricas espec\u00edficamente adaptado a las aplicaciones de previsi\u00f3n. En esencia, este enfoque codifica las caracter\u00edsticas categ\u00f3ricas modelando la tendencia de las cantidades asociadas a cada categor\u00eda. En nuestros experimentos, este enfoque muestra ventajas sustanciales de rendimiento -tanto en t\u00e9rminos de precisi\u00f3n de las previsiones como de sesgo-, ya que permite que los modelos de conjunto basados en \u00e1rboles modelen y extrapolen mejor las tendencias.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

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

Lea nuestro art\u00edculo sobre<\/u><\/p>\n<\/div>

<\/span><\/div>

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

Introducci\u00f3n<\/h2><\/div>

La motivaci\u00f3n de este trabajo surgi\u00f3 de numerosos proyectos de previsi\u00f3n de clientes en Artefact en los que nuestros modelos boosting mostraban un elevado sesgo en el momento de la predicci\u00f3n. Mediante una fase de diagn\u00f3stico, identificamos que una de las principales fuentes de sesgo en los modelos de aprendizaje por conjuntos surg\u00eda de sus dificultades para modelizar con precisi\u00f3n las tendencias y los niveles fluctuantes.<\/p>\n

A continuaci\u00f3n, demostraremos\u00a0por qu\u00e9<\/strong>\u00a0y\u00a0c\u00f3mo<\/strong>\u00a0utilizamos un enfoque novedoso para codificar caracter\u00edsticas categ\u00f3ricas. Bas\u00e1ndonos en nuestros experimentos con un proyecto de previsi\u00f3n minorista de un cliente y varios conjuntos data p\u00fablicos, demostramos que esta t\u00e9cnica puede mitigar eficazmente el sesgo y mejorar la precisi\u00f3n.<\/p>\n<\/div>

Impulso y tendencias, \u00bfpor qu\u00e9 es complejo?<\/h2><\/div>

Los algoritmos de refuerzo tienen dificultades para extrapolar<\/h3><\/div>

Los algoritmos de refuerzo tienen dificultades para modelar y extrapolar tendencias, ya que no pueden predecir nuevos valores no vistos en el conjunto de entrenamiento \/ ausentes de las hojas. \u201c\u00c1rbol lineal<\/a>\u201d intentan paliar este problema, sin embargo nuestras pruebas no arrojaron resultados concluyentes con este m\u00e9todo.<\/p>\n<\/div>

Las codificaciones cl\u00e1sicas empujan hacia predicciones est\u00e1ticas<\/h3><\/div>

Los m\u00e9todos de codificaci\u00f3n m\u00e1s comunes empleados en la potenciaci\u00f3n promueven las relaciones est\u00e1ticas entre las variables independientes y dependientes, lo que a su vez contribuye a aumentar el sesgo en presencia de tendencias. El diagrama siguiente ilustra este fen\u00f3meno:<\/p>\n<\/div>

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

Representaci\u00f3n visual simplificada que destaca la naturaleza est\u00e1tica de la codificaci\u00f3n de rasgos categ\u00f3ricos empleada en los algoritmos de refuerzo<\/em><\/p>\n<\/div>

Reconocemos que la representaci\u00f3n anterior es una simplificaci\u00f3n excesiva, ya que los \u00e1rboles de decisi\u00f3n son m\u00e1s complejos y capaces de identificar relaciones no lineales basadas en m\u00faltiples factores. De hecho, la condici\u00f3n \u201cel color es negro\u201d podr\u00eda asociarse con \u201cel mes es junio\u201d. En este caso, que el color sea negro no tendr\u00eda el mismo impacto en todo momento. Pero veamos el panorama general:<\/p>\n<\/div>