Measuring the Effect of Categorical Encoders in Machine Learning Tasks Using Synthetic Data

Artículo académico que presenta un estudio comparativo para medir cómo las diferentes técnicas de codificación afectan el rendimiento de los modelos de aprendizaje automático. Se prueban 10 métodos de codificación, utilizando 5 algoritmos de ML, con datos reales y sintéticos. Además, se propone un enfoque novedoso que utiliza conjuntos de datos sintéticos que permiten conocer a priori la relación entre las variables independientes y dependientes, lo que implica una medición más precisa del impacto de las técnicas de codificación.