likelihood encoding

likelihood encoding kaggle上使用的是two levels cross validation的方法来做这个编码
把数据集分成20个folds，留1个fold out，20次循环，19个inner folds又分成10份，1份out，其余9份组成数据集group by某个categorical feature，这个分类变量每个取值的y_mean求出来，就是那份out的预测值（临时的），如果那份out中有没见过的值怎么办，用19个inner folds的平均y_mean（这里kaggle上的代码是这么写的，但是我觉得有泄露，应该用9份内部folds的平均y_mean去替代，最外部的out如果有没见过的value，就用19个folds的y_mean，这样才完全没有去触碰被赋值的部分），循环10次，那么这个feature的某个value就有10个不同的编码值，这10个不同的编码值再求平均，就是外层out的编码值，20次循环得到20个编码值，feature同一个value就有20个编码值，把这20个编码值求平均，就是测试集的编码值，测试集这个feature的一个value只对应一个值！