Quantile Binning

Türkçe karşılığı: Eşit Frekanslı SınıflamaAlan: Makine Öğrenmesi

Kuantil eşiklerini kullanarak gözlemlerin sınıflara olabildiğince dengeli dağılmasını amaçlayan ayrıklaştırma.

Eşit frekanslı sınıflama, sınıf sınırlarını sabit genişlikte değil gözlemlerin sıralı konumlarına göre belirler. k sınıf hedefleniyorsa sınırlar yaklaşık 1/k, 2/k, …, (k−1)/k olasılık düzeylerindeki kuantillerden seçilir.

1, 2, 3, 4, 10, 20, 30, 40 gözlemleri iki sınıfa ayrılacaksa bir yöntem medyan olan 7 değerini eşik seçebilir: ilk dört gözlem 7'nin altında, son dört gözlem üzerindedir. Böylece doluluklar 4–4 dengelenirken sınıfların sayısal genişlikleri aynı olmak zorunda kalmaz.

Tekrarlı değer sorunu

1,1,1,1,1,2,3,4 dizisinde dört eşit doluluklu sınıf istenirse tekrar eden 1 değerlerini birbirinden ayırmadan dört ayrı sayısal aralık üretmek mümkün olmayabilir. Uygulama sınıfları birleştirebilir, tekrar eden sınırları düşürebilir veya hata verebilir. Dolayısıyla eşit frekans, her veri kümesi için garanti değildir.

Modelleme etkisi

Kuantil sınıflama yoğun bölgelerde dar, seyrek bölgelerde geniş aralıklar oluşturur. Bu, eşit genişlikli sınıflamadan farklı bir veri temsili üretir. Uç değerlerin yoğunluğu ve küçük frekanslı bölgeler yine alan bilgisini gerektirir. Özellikle zamanla değişen veride eşikler her dönem yeniden öğrenilirse sınıf numaralarının anlamı kayabilir.

Bir makine öğrenmesi hattında eşikler yalnız eğitim kümesi üzerinde öğrenilmeli, diğer bölümlere aynı sınırlar uygulanmalıdır. Ayrıklaştırmanın hangi performans kazancını sağladığı, veri ayrıklaştırma bağlamında doğrulama verileriyle ölçülmelidir.