Sufficient Representations for Categorical Variables
类别变量的充分表示AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究类别输入的通用预测表示，类别变量的出现不等于研究离散选择模型。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
类别变量的充分表示
- 研究问题
- 类别数量较多时，如何以低维实数表示替代独热编码，减少低信号回归变量，同时保留类别变量中的预测信息？
- 方法与思路
- 作者研究面向普遍一致估计量的类别编码方法，以不损失预测信息定义充分表示，并在模拟和观察数据中比较方案。
- 材料陈述的贡献
- 摘要称论文考察并提出简单的低维类别表示替代方案，目标是在保留预测信息的同时避免独热编码的维度浪费。
- 阅读关注点
- 应核对充分表示的形式定义、编码是否依赖响应变量、普遍一致性所需条件，以及训练与评估中的信息泄漏控制。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明具体编码算法、表示维度、理论条件或比较数值。
原文摘要
Many learning algorithms require categorical data to be transformed into real vectors before it can be used as input. Often, categorical variables are encoded as one-hot (or dummy) vectors. However, this mode of representation can be wasteful since it adds many low-signal regressors, especially when the number of unique categories is large. In this paper, we investigate simple alternative solutions for universally consistent estimators that rely on lower-dimensional real-valued representations of categorical variables that are "sufficient" in the sense that no predictive information is lost. We then compare preexisting and proposed methods on simulated and observational datasets.