Codificação Polar: Uma Abordagem Básica Simples para Classificação com Valores Ausentes

Propomos a codificação polar, uma representação de atributos categóricos e numéricos com valores 0 e 1, com valores ausentes a serem usados em um contexto de classificação. Afirmamos que esta é uma boa abordagem de baseline, pois pode ser usada com qualquer algoritmo de classificação, preserva as informações de ausência, é muito simples de aplicar e oferece bom desempenho. Em particular, ao contrário da abordagem existente de indicador de ausência, não requer imputação, garante que os valores ausentes sejam equidistantes dos valores não ausentes, e permite que algoritmos de árvore de decisão escolham como dividir os valores ausentes, proporcionando assim uma realização prática da proposta de ausência incorporada em atributos (MIA). Além disso, mostramos que atributos categóricos e com valores 0 e 1 podem ser vistos como casos especiais de um único tipo de atributo, correspondendo ao conceito clássico de coordenadas baricêntricas, e que isso oferece uma interpretação natural da codificação polar como uma forma fuzzificada de one-hot encoding. Com um experimento baseado em vinte conjuntos de dados da vida real com valores ausentes, mostramos que, em termos do desempenho de classificação resultante, a codificação polar apresenta um desempenho melhor do que as estratégias de ponta de imputação múltipla por equações encadeadas (MICE) e imputação múltipla com autoencoders de desruído (MIDAS) e — dependendo do classificador — tão bem ou melhor do que a imputação pela média/moda com indicadores de ausência.