# AI Mean Target Encoding mã hóa trung bình

Tiếng Anh: Mean Target Encoding

Kỹ thuật mã hóa biến phân loại bằng trung bình biến mục tiêu theo từng nhóm, rất hữu ích trong mô hình tín dụng cá nhân.

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-mean-target-encoding-ma-hoa-trung-binh-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI Mean Target Encoding mã hóa trung bình là gì?

**Mean Target Encoding** (Mã hóa trung bình theo biến mục tiêu) là một kỹ thuật **feature engineering** có giám sát (supervised feature engineering) thuộc nhóm tiền xử lý dữ liệu phân loại trong lĩnh vực **machine learning**. Về bản chất, kỹ thuật này thay thế mỗi giá trị danh mục của biến phân loại (categorical feature) bằng một giá trị số duy nhất — cụ thể là trung bình (hoặc trung vị, tỷ lệ phần trăm) của biến mục tiêu (target variable) tính trên toàn bộ các quan sát thuộc cùng danh mục đó trong tập dữ liệu huấn luyện. Đây là một bước trung gian cực kỳ quan trọng trong quy trình xây dựng mô hình tín dụng, vì nó giúp thu gọn thông tin phân loại giàu ý nghĩa thành dạng số liên tục mà các thuật toán **gradient boosting** (như XGBoost, LightGBM, CatBoost) hay **logistic regression** có thể khai thác trực tiếp mà không cần mở rộng chiều dữ liệu (như khi dùng **One-Hot Encoding**).

Cơ chế hoạt động của **Mean Target Encoding** dựa trên nguyên tắc thống kê có giám sát: giả sử ngân hàng có biến "nghề nghiệp" gồm 12 nhóm và biến mục tiêu là "có vỡ nợ trong 12 tháng tới hay không" (1 = vỡ nợ, 0 = không vỡ nợ). Khi đó, kỹ thuật sẽ tính tỷ lệ vỡ nợ trung bình của từng nhóm nghề — ví dụ nhóm "công nhân xây dựng" có tỷ lệ 7,8%, nhóm "giáo viên" có tỷ lệ 1,2%, nhóm "tài xế công nghệ" có tỷ lệ 5,4% — rồi gán các con số này thay cho chuỗi ký tự "công nhân xây dựng", "giáo viên", "tài xế công nghệ". Mô hình sẽ học được rằng giá trị càng cao thì rủi ro tín dụng càng lớn, từ đó đưa ra dự đoán chính xác hơn so với việc gán nhãn số ngẫu nhiên như **Label Encoding** (chỉ đánh số thứ tự 1, 2, 3...).

Tuy nhiên, **Mean Target Encoding** cũng tiềm ẩn rủi ro nghiêm trọng nếu triển khai sai: hiện tượng **data leakage** (rò rỉ thông tin) và **overfitting** (quá khớp) xảy ra khi dữ liệu dùng để tính encoding đồng thời cũng là dữ liệu huấn luyện mô hình. Do đó, trong thực tiễn ngân hàng, các chuyên gia phân tích dữ liệu (data analyst) bắt buộc phải áp dụng thêm các kỹ thuật làm mượt (smoothing) như **Bayesian smoothing** (kết hợp trung bình nhóm với trung bình tổng thể theo trọng số), **k-fold cross-validation encoding** (tính giá trị encoding dựa trên các fold chéo để tránh rò rỉ), hoặc **regularization** để đảm bảo tính ổn định thống kê. Đây cũng chính là lý do kỹ thuật này thường xuyên xuất hiện trong các bài thi chứng chỉ **FRM** (Financial Risk Manager), **PRM** (Professional Risk Manager) và các kỳ thi tuyển dụng chuyên viên phân tích dữ liệu tại các ngân hàng Việt Nam.

**Thuật ngữ tiếng Anh:** Mean Target Encoding (MTE) — còn gọi là **Target Mean Encoding**, **Target Encoding**, **James-Stein Encoding** (biến thể Bayesian), **Likelihood Encoding** hoặc **Impact Coding** (thuật ngữ cũ trong ngành phân tích tín dụng)

**Lĩnh vực:** AI & Machine Learning trong ngân hàng — Trí tuệ nhân tạo và Học máy trong hoạt động ngân hàng

## Đặc điểm và phân loại

**Mean Target Encoding** có một số đặc điểm nổi bật so với các phương pháp mã hóa truyền thống khác. Để ứng viên có cái nhìn tổng quan khi ôn thi, dưới đây là bảng so sánh các kỹ thuật mã hóa phổ biến:

| Kỹ thuật mã hóa | Cách hoạt động | Ưu điểm | Nhược điểm | Ứng dụng trong ngân hàng |
|---|---|---|---|---|
| **One-Hot Encoding** | Tạo cột nhị phân cho mỗi danh mục | Không tạo thứ tự giả, dễ hiểu | Làm phình dữ liệu (curse of dimensionality) | Biến có ít danh mục (<10) như giới tính, khu vực |
| **Label Encoding** | Gán số thứ tự 0, 1, 2... cho từng danh mục | Đơn giản, gọn nhẹ | Tạo thứ tự giả, gây nhiễu mô hình | Biến có thứ tự tự nhiên (thấp-trung-cao) |
| **Mean Target Encoding** | Thay bằng trung bình biến mục tiêu của nhóm | Giữ thông tin mục tiêu, xử lý tốt high cardinality | Dễ data leakage, cần smoothing | Nghề nghiệp, tỉnh/thành, ngành kinh doanh |
| **Frequency Encoding** | Thay bằng tần suất xuất hiện | Đơn giản, không cần biến mục tiêu | Mất thông tin về quan hệ với mục tiêu | Mã bưu điện, mã chi nhánh |
| **Weight of Evidence (WoE)** | Tính log(tỷ lệ good/bad) cho từng nhóm | Chuẩn hóa, phù hợp scorecard truyền thống | Phức tạp, khó giải thích với dữ liệu phi tín dụng | Xây dựng scorecard, phân khúc rủi ro |
| **Bayesian Target Encoding** | Kết hợp trung bình nhóm và tổng thể theo trọng số Bayesian | Ổn định, chống overfitting tốt | Cần điều chỉnh tham số prior | Biến có nhiều danh mục tần suất thấp |

**Phân loại các biến thể chính của Mean Target Encoding:**

- **Simple Mean Encoding:** Tính trung bình đơn thuần cho mỗi danh mục. Phù hợp khi tập dữ liệu lớn, tần suất mỗi danh mục cao (>100 quan sát).
- **Smoothing Encoding (Bayesian Smoothing):** Công thức `encoded = (n × mean_group + m × mean_global) / (n + m)`, trong đó `n` là số quan sát của nhóm, `mean_group` là trung bình nhóm, `mean_global` là trung bình toàn tập, `m` là tham số smoothing (thường chọn 10-50). Kỹ thuật này đặc biệt hiệu quả với các danh mục hiếm gặp.
- **K-Fold Cross-Validation Encoding:** Chia tập train thành k fold (thường k=5 hoặc 10), với mỗi quan sát, giá trị encoding được tính dựa trên trung bình của k-1 fold còn lại. Cách này triệt tiêu rò rỉ dữ liệu một cách hệ thống.
- **Leave-One-Out Encoding (LOO):** Tính trung bình nhóm sau khi loại trừ chính quan sát đang xét. Giảm variance nhưng vẫn có rủi ro rò rỉ nhẹ.
- **CatBoost Encoding:** Sử dụng thứ tự ngẫu nhiên (random permutation) để tính encoding theo thứ tự, kết hợp với prior toàn cục. Đây là biến thể được nhúng sẵn trong thuật toán CatBoost.
- **James-Stein Encoding:** Kéo giá trị encoding của nhóm về phía trung bình tổng thể theo một hệ số, lấy cảm hứng từ thống kê James-Stein shrinkage estimator.

**Các đặc điểm nhận biết Mean Target Encoding chất lượng cao:**

1. **Tính ổn định thống kê:** Giá trị encoding không thay đổi đột ngột khi thêm dữ liệu mới.
2. **Phân biệt tốt giữa các nhóm rủi ro:** Các danh mục có rủi ro tín dụng khác nhau phải có giá trị encoding khác biệt rõ rệt.
3. **Không gây rò rỉ dữ liệu:** Giá trị encoding ở tập test phải được tính từ tập train, không dùng thông tin từ chính quan sát đó.
4. **Khả năng giải thích (interpretability):** Giá trị encoding phải có ý nghĩa kinh doanh rõ ràng — ví dụ "tỷ lệ nợ xấu 7,8%" thay vì con số vô nghĩa.

## Ví dụ thực tế trong ngành ngân hàng

**Ví dụ 1: Mã hóa biến nghề nghiệp trong mô hình chấm điểm tín dụng cá nhân**

Ngân hàng A triển khai mô hình **credit scoring** cho sản phẩm cho vay tiêu dùng cá nhân, với tập dữ liệu huấn luyện gồm 250.000 hồ sơ khách hàng trong 24 tháng gần nhất. Trong số 47 biến đầu vào, biến "nghề nghiệp" có 18 danh mục (từ "công nhân sản xuất" đến "chuyên gia IT", "nội trợ", "sinh viên"...). Nhóm phân tích dữ liệu quyết định áp dụng **Mean Target Encoding** với **Bayesian smoothing** (m=30) như sau:

- Nhóm "công nhân xây dựng": 12.500 quan sát, tỷ lệ vỡ nợ 8,4% → encoded = (12500 × 0,084 + 30 × 0,045) / (12500 + 30) ≈ **0,0842**
- Nhóm "giáo viên": 8.200 quan sát, tỷ lệ vỡ nợ 1,1% → encoded ≈ **0,0011**
- Nhóm "tài xế công nghệ (Grab, Be...)": 4.800 quan sát, tỷ lệ vỡ nợ 6,7% → encoded ≈ **0,0067**
- Nhóm "nội trợ": 1.200 quan sát, tỷ lệ vỡ nợ 4,2% → encoded = (1200 × 0,042 + 30 × 0,045) / (1230) ≈ **0,0026** (đã được smoothing kéo về trung bình)
- Nhóm "freelancer sáng tạo nội dung": 250 quan sát, tỷ lệ vỡ nợ 11,2% → encoded = (250 × 0,112 + 30 × 0,045) / 280 ≈ **0,0048** (smoothing rõ rệt do tần suất thấp)

Sau khi mã hóa, biến "nghề nghiệp" trở thành biến số liên tục có ý nghĩa thống kê. Mô hình **LightGBM** được huấn luyện trên dữ liệu đã mã hóa cho kết quả AUC-ROC = 0,78, cao hơn 0,04 điểm so với phương pháp **One-Hot Encoding** (AUC-ROC = 0,74). Hệ số Gini cũng tăng từ 48% lên 56%, tương đương giảm 17% tỷ lệ hồ sơ trong vùng xám (gray zone) cần xét duyệt thủ công.

**Ví dụ 2: Mã hóa biến ngành nghề kinh doanh trong mô hình xếp hạng tín dụng doanh nghiệp SME**

Ngân hàng B xây dựng mô hình **internal rating-based (IRB)** cho phân khúc khách hàng doanh nghiệp vừa và nhỏ, tập dữ liệu gồm 18.500 hồ sơ vay vốn với biến "ngành nghề kinh doanh chính" theo mã **VSIC** (Hệ thống ngành kinh tế Việt Nam) gồm 21 ngành cấp 1. Nhóm data scientist sử dụng **k-fold cross-validation encoding** với k=5:

- Ngành "nông nghiệp": tỷ lệ vỡ nợ 6,2% trên 3.200 hồ sơ → encoded ≈ **0,062**
- Ngành "bất động sản": tỷ lệ vỡ nợ 12,8% trên 1.800 hồ sơ → encoded ≈ **0,128**
- Ngành "sản xuất chế biến": tỷ lệ vỡ nợ 4,5% trên 2.600 hồ sơ → encoded ≈ **0,045**
- Ngành "bán lẻ thương mại điện tử": tỷ lệ vỡ nợ 7,1% trên 950 hồ sơ → encoded ≈ **0,071**

Kết hợp với 12 biến tài chính khác (doanh thu, biên lợi nhuận, tỷ lệ nợ trên vốn chủ sở hữu...), mô hình cuối cùng đạt **AUC-ROC = 0,83** và **KS statistic = 0,47**, vượt tiêu chuẩn Basel II cho mô hình IRB. Quan trọng hơn, nhờ mã hóa, ngân hàng B phát hiện rằng "bất động sản" có encoded cao bất thường vào giai đoạn 2022-2023, từ đó điều chỉnh chính sách tín dụng theo hướng thắt chặt hơn với ngành này.

**Ví dụ 3: So sánh Mean Target Encoding với WoE trong bối cảnh scorecard truyền thống**

Ngân hàng A đang vận hành song song hai hệ thống: (1) scorecard truyền thống dựa trên **Weight of Evidence (WoE)** và **Information Value (IV)** theo chuẩn Basel II, (2) mô hình **gradient boosting** hiện đại dùng **Mean Target Encoding**. Khách hàng B — một doanh nhân 42 tuổi, ngành "vận tải hàng hóa đường bộ" tại Bình Dương, thu nhập 45 triệu đồng/tháng — khi chấm điểm:

- Với WoE: biến "ngành vận tải" được nhóm thành 5 bin, mỗi bin có WoE từ -0,8 đến +0,6. Điểm scorecard = 580 điểm, xếp hạng B+.
- Với Mean Target Encoding: biến "ngành vận tải đường bộ" có encoded = 0,089 (tỷ lệ vỡ nợ 8,9% trong 2 năm gần nhất), kết hợp với 35 biến khác cho xác suất vỡ nợ 12 tháng tới = 6,2%, xếp hạng BB.

Điểm khác biệt nằm ở chỗ **Mean Target Encoding** cho phép mô hình nắm bắt các tương tác phức tạp (interaction effects) giữa nghề nghiệp với khu vực địa lý, độ tuổi, giới tính, trong khi WoE truyền thống chỉ xét biến đơn lẻ. Kết quả là mô hình Mean Target Encoding phát hiện Khách hàng B có rủi ro cao hơn đáng kể so với đánh giá của scorecard truyền thống, do sự kết hợp giữa ngành rủi ro cao và thu nhập bất ổn (thu nhập 45 triệu nhưng có biến động mùa vụ ±30%).

## AI Mean Target Encoding mã hóa trung bình trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | Mean Target Encoding | /miːn ˈtɑːrɡɪt ɪnˈkoʊdɪŋ/ |
| Tiếng Nhật | 平均ターゲットエンコーディング (Heikin Tāgetto Enkōdingu) | heikin tāgetto enkōdingu |
| Tiếng Hàn | 평균 타겟 인코딩 (Pyeong-gyun Tages Inko-ding) | pyeong-gyun tages inko-ding |
| Tiếng Trung | 平均目标编码 (Píngjūn Mùbiāo Biānmǎ) | píngjūn mùbiāo biānmǎ |
| Tiếng Tây Ban Nha | Codificación Media del Objetivo | /koðifiˈkaθjon ˈmeðja ðel oβxetiβo/ |

## Câu hỏi thường gặp

### Mean Target Encoding khác gì Weight of Evidence (WoE) trong chấm điểm tín dụng?

**Mean Target Encoding** và **Weight of Evidence (WoE)** đều là kỹ thuật mã hóa biến phân loại dựa trên biến mục tiêu, nhưng khác nhau ở công thức và cách sử dụng. WoE tính `ln(tỷ lệ good / tỷ lệ bad)` cho từng bin, thường yêu cầu người phân tích phải tự định nghĩa binning (gộp nhóm) và chuẩn hóa về phân phối chuẩn — phù hợp với scorecard truyền thống và giải thích được cho cơ quan quản lý. **Mean Target Encoding** đơn giản hơn, chỉ lấy trung bình biến mục tiêu của từng danh mục, không cần binning thủ công và tận dụng được các thuật toán gradient boosting hiện đại. Trong ngân hàng, nếu mục tiêu là tuân thủ Basel II/III và dễ giải trình, WoE vẫn là lựa chọn hàng đầu; nếu mục tiêu là tối ưu predictive power và triển khai mô hình trên nền tảng big data, **Mean Target Encoding** thường cho hiệu quả cao hơn 3-7% AUC.

### Khi nào nên áp dụng Mean Target Encoding trong bài toán ngân hàng?

**Mean Target Encoding** nên được ưu tiên áp dụng trong 3 trường hợp chính: (1) Biến phân loại có **high cardinality** — tức số danh mục lớn (thường >20), ví dụ nghề nghiệp (40+ danh mục), tỉnh/thành (63 tỉnh thành), ngành VSIC (hàng trăm ngành chi tiết) — vì One-Hot Encoding sẽ làm phình dữ liệu; (2) Mô hình sử dụng thuật toán cây (decision tree, random forest, XGBoost, LightGBM) — các thuật toán này tận dụng tốt tính ordinal của giá trị encoding; (3) Cần khai thác mối quan hệ giữa biến phân loại với biến mục tiêu (ví dụ tỷ lệ vỡ nợ theo ngành) để cải thiện sức mạnh phân biệt. Ngược lại, không nên dùng khi biến mục tiêu có phân phối cực kỳ mất cân bằng (imbalance > 99:1) mà chưa xử lý, hoặc khi tập dữ liệu quá nhỏ (<1.000 quan sát) vì dễ overfitting.

### Mean Target Encoding ảnh hưởng thế nào đến khách hàng và quyết định tín dụng?

Về phía khách hàng, **Mean Target Encoding** giúp mô hình đánh giá rủi ro chính xác hơn, từ đó đưa ra quyết định cấp tín dụng công bằng và minh bạch hơn dựa trên dữ liệu thống kê thực tế của nhóm đối tượng tương đồng — thay vì đánh giá cảm tính hay dựa trên đặc điểm cá nhân nhạy cảm. Tuy nhiên, kỹ thuật này cũng có thể vô tình tạo ra **bias** (thiên kiến) nếu dữ liệu lịch sử chứa định kiến xã hội, ví dụ nếu trong quá khứ nhóm phụ nữ hoặc dân tộc thiểu số bị từ chối tín dụng nhiều hơn vì lý do phi kinh tế, thì **Mean Target Encoding** sẽ phản ánh đúng thực trạng đó, khiến mô hình tiếp tục tái tạo bất công. Do đó, theo Luật Bảo vệ dữ liệu cá nhân 2023 và các nguyên tắc **fair lending** (cho vay công bằng), ngân hàng phải kết hợp **Mean Target Encoding** với kiểm định bias (bias audit), giải thích được mô hình (model explainability với SHAP, LIME) và có cơ chế cho khách hàng khiếu nại khi bị từ chối tín dụng.

## Tổng kết

**Mean Target Encoding** là một trong những kỹ thuật **feature engineering** quan trọng bậc nhất trong kho tàng công cụ **machine learning** ứng dụng vào ngân hàng hiện đại, đặc biệt với các bài toán **credit scoring**, **PD modeling** (xác suất vỡ nợ), **fraud detection** (phát hiện gian lận) và **customer segmentation** (phân khúc khách hàng). Kỹ thuật này giúp khai thác hiệu quả các biến phân loại có **high cardinality** — vốn là đặc trưng phổ biến trong dữ liệu ngân hàng Việt Nam như nghề nghiệp, ngành nghề kinh doanh, khu vực địa lý, loại hình tài sản đảm bảo — bằng cách chuyển đổi chúng thành biến số liên tục có ý nghĩa thống kê gắn liền với biến mục tiêu. Tuy nhiên, để triển khai thành công trong môi trường ngân hàng, người thực hiện phải nắm vững nguyên tắc chống **data leakage** (tách tập train/test nghiêm ngặt, dùng k-fold cross-validation), áp dụng **smoothing** phù hợp để chống **overfitting** cho các danh mục tần suất thấp, đồng thời tuân thủ các quy định về quản trị mô hình (model risk management) theo Thông tư 13/2018/TT-NHNN và Luật Bảo vệ dữ liệu cá nhân 2023. Đối với ứng viên ôn thi vào vị trí chuyên viên phân tích dữ liệu, quản trị rủi ro tín dụng hay data scientist ngân hàng, việc hiểu sâu cả lý thuyết lẫn cách áp dụng thực tế **Mean Target Encoding** không chỉ giúp đạt điểm cao trong các bài thi mà còn là nền tảng kỹ năng thiết yếu để xây dựng các mô hình tín dụng đạt chuẩn Basel II/III trong tương lai.

## Thuật ngữ liên quan

- [Bảo vệ dữ liệu cá nhân](https://vieclam.nganhang.com/thuat-ngu/bao-ve-du-lieu-ca-nhan-la-gi) — Yêu cầu pháp lý ngân hàng phải thu thập, lưu trữ và xử lý dữ liệu cá nhân khách hàng theo Nghị định 13/2023/NĐ-CP và các quy định liên quan.
- [Mô hình chấm điểm tín dụng](https://vieclam.nganhang.com/thuat-ngu/mo-hinh-cham-diem-tin-dung-la-gi) — Mô hình thống kê (hồi quy logistic, cây quyết định, machine learning) gán điểm cho khách hàng dựa trên dữ liệu tài chính và phi tài chính để quyết định cấp tín…
- [Nhà khoa học dữ liệu](https://vieclam.nganhang.com/thuat-ngu/nha-khoa-hoc-du-lieu-la-gi) — Chuyên gia kết hợp thống kê, lập trình và kiến thức nghiệp vụ ngân hàng để xây dựng mô hình phân tích và ra quyết định dựa trên dữ liệu.
- [Phân khúc khách hàng](https://vieclam.nganhang.com/thuat-ngu/phan-khuc-khach-hang-la-gi) — Phân chia khách hàng thành các nhóm đồng nhất theo hành vi, thu nhập, nhân khẩu học, giúp cá nhân hóa sản phẩm và chiến dịch tiếp thị.
- [Phân tích dữ liệu lớn](https://vieclam.nganhang.com/thuat-ngu/phan-tich-du-lieu-lon-la-gi) — Phân tích dữ liệu lớn là quá trình khai thác, xử lý và phân tích các tập dữ liệu có khối lượng, tốc độ và đa dạng cao để rút ra thông tin giá trị cho ngân hàng.
- [Quản trị rủi ro mô hình](https://vieclam.nganhang.com/thuat-ngu/quan-tri-rui-ro-mo-hinh-la-gi) — Khung quy trình quản lý vòng đời mô hình phân tích nhằm đảm bảo độ chính xác và tuân thủ theo quy định NHNN.
- [Tiền xử lý dữ liệu](https://vieclam.nganhang.com/thuat-ngu/tien-xu-ly-du-lieu-la-gi) — Bước làm sạch, chuẩn hóa và biến đổi dữ liệu thô thành định dạng phù hợp để huấn luyện mô hình học máy trong ngân hàng.
- [Xếp hạng tín dụng nội bộ](https://vieclam.nganhang.com/thuat-ngu/xep-hang-tin-dung-noi-bo-la-gi) — Hệ thống chấm điểm khách hàng do ngân hàng tự xây dựng, quyết định lãi suất và hạn mức cho vay.