ordinalenkoodaus

Ordinalenkoodaus on kategoristen muuttujien koodausmenetelmä, jossa luokkien välistä luonnollista järjestystä säilytetään numeerisena. Se on yleisesti käytetty esikäsittelyvaiheessa koneoppimisessa, kun halutaan säilyttää järjestyksen tieto ilman täysimittaista one-hot-koodausta. Toisin kuin joissain muissa koodausmenetelmissä, ordinaalinen koodaus antaa jokaiselle luokalle arvon, joka heijastelee sen sijainnin järjestyksessä.

Käytännössä luokkia koodataan siten, että pienin arvo vastaa matalinta luokkaa ja suurin arvo korkeinta luokkaa. Esimerkkinä koulutustasoja voidaan pitää järjestyksessä: matala, keskitaso, korkea, ja ne voidaan merkitä arvoiksi 1, 2 ja 3. Tämä säilyttää järjestyksen tiedossa, mutta on huomioitava, että arvojen välinen etäisyys ei aina vastaa todellista etäisyyttä luokkien välillä.

Soveltuvuus riippuu mallista ja datasta. Ordinaalinen koodaus voi parantaa suorituskykyä joissain tapauksissa, erityisesti kun malli voi hyödyntää järjestyksen tuomaa informaatiota. Toisinaan se voi kuitenkin luoda keinotekoista suhdetta, jonka malli väärinkäyttää. Siksi on suositeltavaa testata ordinaalista koodausta sekä vaihtoehtoja, kuten one-hot-koodausta tai target- (mean-) encodediä, riippuen ongelmasta ja datan luonteesta.

Esimerkki: jos muuttuja on koulutustaso, voidaan määrittää arvoiksi 1 = perus, 2 = keskitaso, 3 = korkea. Jos luokkien välinen järjestys ei ole luonteva, ordinalenkoodausta kannattaa välttää tai käyttää vaihtoehtoisia koodauksia.

Ordinalenkoodaus on yksi useista työkaluista datan esikäsittelyssä, ja sen käyttö kannattaa perustaa ensin datan luonteeseen ja kokeiluihin eri koodausmenetelmien kanssa.