ABSTRACT: If we want to apply neural networks to categorical data, we must necessarily adopt a coding strategy. This is a common problem for many multivariate techniques and several approaches have been suggested. In this paper, a method is proposed to analyze categorical variables with high cardinality. An application to simulated data illustrates the interest of the proposal
Neural Networks for high cardinality categorical data / DI CIACCIO, Agostino. - (2021), pp. 320-323. (Intervento presentato al convegno Cladag 2021 tenutosi a Firenze) [10.36253/978-88-5518-340-6].
Neural Networks for high cardinality categorical data
Di Ciaccio Agostino
2021
Abstract
ABSTRACT: If we want to apply neural networks to categorical data, we must necessarily adopt a coding strategy. This is a common problem for many multivariate techniques and several approaches have been suggested. In this paper, a method is proposed to analyze categorical variables with high cardinality. An application to simulated data illustrates the interest of the proposalFile allegati a questo prodotto
File | Dimensione | Formato | |
---|---|---|---|
Di Ciaccio_Neural-networks_copertina_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
663.68 kB
Formato
Adobe PDF
|
663.68 kB | Adobe PDF | |
Di Ciaccio_Neural-networks_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
326.53 kB
Formato
Adobe PDF
|
326.53 kB | Adobe PDF | |
Di Ciaccio_Neural-networks_quarta_2021.pdf
accesso aperto
Tipologia:
Versione editoriale (versione pubblicata con il layout dell'editore)
Licenza:
Tutti i diritti riservati (All rights reserved)
Dimensione
49.67 kB
Formato
Adobe PDF
|
49.67 kB | Adobe PDF |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.