Capítulo 5 de 14 · Parte II
Encoding de variables categóricas
Parte II · Feature engineering
Capítulo 5
Encoding de variables categóricas
El arte de transformar datos brutos en variables que los algoritmos puedan aprovechar.
Nivel intermedio
Qué encontrará en este capítulo
- 5.1One-Hot Encoding
- 5.2Ordinal Encoding (y por qué LabelEncoder no es para las features)
- 5.3Target Encoding
- 5.4Soporte categórico nativo en gradient boosting
- 5.5Otros métodos de encoding
- 5.6Tabla resumen de elección
6 secciones · 5 apartados · 6 ejercicios con soluciones
Capítulo 5 de 14
Objetivos de aprendizaje del capítulo (6)
- Convertir variables categóricas a formato numérico manteniendo la información relevante.
- Elegir el método de encoding apropiado según el tipo de variable y el modelo, incluida la dummy variable trap y cuándo eliminar (o no) una columna.
- Manejar categorías de alta cardinalidad sin explotar la dimensionalidad, y gestionar categorías raras, nuevas y valores ausentes.
- Explicar el suavizado (smoothing) del target encoding y por qué evita el sobreajuste en categorías poco frecuentes.
- Aprovechar el soporte categórico nativo de los modelos de gradient boosting (CatBoost, LightGBM, XGBoost, HistGradientBoosting).
- Evitar errores comunes en el encoding que pueden causar data leakage —fuga de información—.