<div dir="ltr"><div dir="ltr">Hi all,<br><br>I finally had some time to start looking at it the last days. Some preliminary work can be found here: <a href="https://github.com/jorisvandenbossche/target-encoder-benchmarks">https://github.com/jorisvandenbossche/target-encoder-benchmarks</a>.<br><br>Up to now, I only did some preliminary work to set up the benchmarks (based on Patricio Cerda's code, <a href="https://arxiv.org/pdf/1806.00979.pdf">https://arxiv.org/pdf/1806.00979.pdf</a>), and with some initial datasets (medical charges and employee salaries) compared the different implementations with its default settings. <br>So there is still a lot to do (add datasets, investigate the actual differences between the different implementations and results, in a more structured way compare the options, etc, there are some todo's listed in the README). However, now I am mostly on holidays for the rest of December. If somebody wants to further look at it, that is certainly welcome, otherwise, it will be a priority for me beginning of January.<br><br>For datasets: additional ideas are welcome. For now, the idea is to add a subset of the Criteo Terabyte Click dataset, and to generate some data.<br></div><div dir="ltr"><br></div><div dir="ltr"><span class="gmail-im">>>> Does that mean you'd be opposed to adding the leave-one-out TargetEncoder<br>
>>> I would really like to add it before February<br>
>> A few month to get it right is not that bad, is it?<br>
</span></div><div dir="ltr"><span class="gmail-im">> </span>The PR is over a year old already, and you hadn't voiced any opposition <br>
> there.</div><div dir="ltr"><br></div><div dir="ltr">As far as I understand, the open PR is not a leave-one-out TargetEncoder?<br>I also did not yet add the CountFeaturizer from that scikit-learn PR, because it is actually quite different (e.g it doesn't work for regression tasks, as it counts conditional on y). But for classification it could be easily added to the benchmarks.<br><br>Joris<br><br></div></div>