根据这个网站（http://www.statsmodels.org/dev/contrasts.html enter link description here），后向差分编码的定义是'在后向差分编码中，将一个级别的因变量的均值与均值进行比较先前级别的因变量。这种类型的编码可能对名义变量或有序变量有用。'
我不明白的是，如果这种编码方法依赖于因变量（如果我理解的话，它与输出变量相同），当没有给因变量时，如何使用测试集执行向后差分编码模特提前？在训练集中，给出了因变量的值，但是在测试集中没有给出它们。有人可以提供建议吗？
答案 0 :(得分：2)
此方法只是影响编码类别变量。
如果您的分类列具有类别{C1，C2，C3，...}，则影响编码如下：
Impact(category = Ci) = E[y|Ci] - E[y]
在训练期间，对于每个类别（Ci），它计算平均输出（给定类别，即后验）与因变量的总体期望值（先验）之间的差。有关影响编码的更多参考，可以参考本文https://arxiv.org/abs/1611.09477v3（Page10）
在测试阶段，要将测试数据的类别变量转换为其影响代码，它使用与训练数据相同的期望值y。因为这是一个期望值，所以训练数据中的样本数量是否比测试数据中的数量无关（只要两个数据集中的“ y”分布相似）即可。