如何将动作相关特征(ADF)从分类特征转换为连续/离散特征？
将动作相关特征(ADF)从分类特征转换为连续/离散特征的方法主要取决于ADF的具体定义和特性。下面我将就该问题进行详细解答：
- 动作相关特征(ADF)概念：ADF是指与特定动作或行为相关的特征，例如在视频监控中，人的行为可以被表示为一系列的动作相关特征，如行走、跳跃等。
- ADF的分类特征转换为连续特征方法：
- 独热编码(One-hot Encoding)：对于分类特征，可以使用独热编码将其转换为连续特征。独热编码将每个类别映射为一个二进制向量，其中只有一个元素为1，其他元素为0。这样做的好处是可以将分类特征转换为可用于建模的连续特征，但可能会增加特征的维度。
- Label Encoding：对于有序分类特征，可以使用Label Encoding将其转换为连续特征。Label Encoding是指将每个类别映射为一个整数值，例如1、2、3等，这样可以保留类别之间的顺序关系。
- ADF的分类特征转换为离散特征方法：
- 分箱(Binning)：对于连续的分类特征，可以使用分箱将其转换为离散特征。分箱是指将连续特征划分为多个离散区间，每个区间表示一个离散值。可以根据数据的分布和业务需求来确定分箱的方式，例如等距分箱、等频分箱等。
- 聚类(Clustering)：对于连续的分类特征，可以使用聚类算法将其转换为离散特征。聚类是指将相似的数据点聚集到同一个簇中，可以根据数据的分布和聚类算法的选择将连续特征划分为多个离散值。
优势：将动作相关特征(ADF)从分类特征转换为连续/离散特征可以提供更多的特征表达方式，使得特征在建模过程中更具有灵活性和可解释性。
应用场景：动作相关特征(ADF)的转换适用于各种需要对动作或行为进行建模和分析的领域，如视频监控、行为识别、动作检测等。
腾讯云相关产品推荐：根据该问答内容，以下是一些腾讯云相关产品的推荐，供您参考：
- 人工智能(AI)相关产品：腾讯云智能视频分析（https://cloud.tencent.com/product/tvs）
- 数据库相关产品：腾讯云数据库MySQL版（https://cloud.tencent.com/product/cdb_mysql）
- 云原生相关产品：腾讯云容器服务（https://cloud.tencent.com/product/ccs）
- 网络安全相关产品：腾讯云Web应用防火墙（https://cloud.tencent.com/product/waf）
- 音视频相关产品：腾讯云音视频解决方案（https://cloud.tencent.com/solution/media）
- 人工智能相关产品：腾讯云人脸识别（https://cloud.tencent.com/product/face_recognition）
请注意，以上仅为腾讯云相关产品推荐，不代表对其他云计算品牌商的评价或推荐。
相关·内容
我最近发现了一种模型，可以根据叶子的大小对爱尔兰花进行分类。有3种类型的花作为目标(因变量)。据我所知，分类数据应该进行编码，以便在机器学习中使用。然而，在该模型中，数据是直接使用的，而不需要编码过程。有人能解释一下什么时候使用编码吗？提前谢谢你！
浏览 0提问于2020-07-16得票数 0
我有一个包含1000个样本的训练数据集。它包含大约50个特征，其中30个是分类特征，其余是数字/连续特征。哪种算法最适合处理分类特征和连续特征的混合特征集？
浏览 0提问于2016-11-05得票数 3
目前，我遇到了这样的问题:如何将两种(或多种)特征结合起来作为一个最终特征来建立分类模型？
例如，我想做一个分类模型来预测药物-靶点的相互作用，这里对于每种药物我可以得到500个特征，而每个目标我可以得到800个特征(这两种特征是相互独立的)。众所周知，一种简单的方法将这两种特征加在一起(即500 + 800 = 1300特征，每个药物-靶标对)。
有没有人知道其他方法来做这样的事情，并使用组合的特征来建立分类模型？
浏览 0提问于2015-02-11得票数 2
回答已采纳
在二进制分类数据集上使用橙色分布小部件时，可以选择显示所有要素值的给定类标注概率的置信区间，请参阅：
这些间隔是如何计算的？我试着用关键词搜索：“分布”，“置信区间”。但我只找到了小部件UI的代码，没有指向实际统计数据计算位置的指针。
浏览 0提问于2015-07-07得票数 0
2回答
我有一个分类问题，我的标签是评分，0- 100，增量为1(例如1，2，3，4 )。
我有一个数据集，其中每一行都有一个名称、文本语料库和一个评级(0-100)。
从文本语料库中，我试图提取可以输入到分类器中的特征，分类器将输出相应的每行评分(0-100)。
对于特征选择，我正在考虑从基本的文字包开始。然而，我的问题在于分类算法。在sci学习中是否有支持这类问题的分类算法？
我当时正在阅读，但是所描述的算法似乎支持完全离散的标签，而我有一组连续的标签。
编辑:那我把我的收视率放进去的情况呢？例如，我可以有10个标签，每一个1-10。
浏览 0提问于2014-11-04得票数 0
回答已采纳
1回答
我有两个数据集，一个连续数据集(75个数据点和14个变量)和一个离散数据集，该数据集是通过将连续数据集放入桶中生成的。我已经构建了一个决策树分类器(使用python sklearn包)，该分类器对于离散数据集比连续数据集要好得多。
我还在几篇论文中读到，有时最好使用离散数据集。但我不知道为什么。如有任何意见或解释，我将不胜感激。
浏览 0提问于2017-09-01得票数 4
当我同时拥有数字和分类特征时，如何执行特征选择？划分特征并单独探索相关性是否很常见(例如，选择我的分类特征并使用卡方图，然后选择我的连续特征并使用方差分析？)
浏览 18提问于2020-06-03得票数 0
3回答
稀疏数据离散连续分类器
、、、
我试图对一个包含离散和连续特征的例子进行分类。此外，该示例表示稀疏数据，因此即使系统可能已经接受了100个特性的培训，但该示例可能只有12个。
要实现这一点，最好的分类算法是什么？我一直在看Bayes，Maxent，决策树，和KNN，但是我不确定有什么能完全符合这个要求。我发现的最大症结是，大多数实现都不支持稀疏数据集以及离散和连续的特性。有人能推荐一种符合这些标准的算法和实现(最好用Python)吗？
到目前为止，我已经看过的库包括：
(主要是学术性的)。实现效率不高，也不实用。)
(也是学术性的，虽然有很好的Maxent实现，但不处理连续的特性)。
(还在研究这个。似乎支
浏览 4提问于2010-03-23得票数 3
回答已采纳
2回答
这个问题与传统的笔迹识别有些不同。我有以下数千个数据集。对于一个绘制的字符，我有几个顺序的(x, y)坐标，笔是按下的。因此，这是一个时序(时态)问题。
我希望能够根据这些数据对手写字符进行分类，并希望为学习目的实现HMMs。但是，这是正确的方法吗？他们怎么能这样做呢？
浏览 6提问于2012-02-21得票数 5
1回答
我正在学习隐马尔可夫模型，用于对t个图像帧序列中的运动进行分类。
假设我有来自每个帧的m个维度的特征。然后，我将其聚类为一个符号(用于可观察的符号)。并为k类建立了k个不同的HMM模型。
那么，如何确定每个模型的隐藏状态数以优化预测？
顺便说一句，我的方法正确吗？如果我误解了它的使用方法，请纠正我：)
谢谢:)
浏览 0提问于2013-07-10得票数 5
回答已采纳
1回答
目前，我正在处理实现一个用于对象识别(详细介绍对象分类)的CBIR系统，现在，由于我有一些可用的特征检测器和-descriptors，我试图找到处理这些特征的最佳方法，以完成基于内容的图像检索任务。
据我所知，这项任务有两个主要趋势，离散的和连续的方法。其中，离散代表像bag-of-visual words和codebooks这样的方法，用于建立倒排索引，以应用引用文本检索的方法，而连续代表像带有k-d树的Best Bin First search和最近邻分类这样的方法。
因此，这两种方法之间的一个主要区别是，一种方法使用视觉单词等特征的额外表示，另一种方法使用从描述符计算出的n-D特征。
我
浏览 0提问于2012-05-23得票数 0
回答已采纳
2回答
连续特征离散化往往会导致信息的丢失。然而，卡格尔泰坦尼克号的大多数顶级解决方案都是基于离散化(年龄、票价)。
什么时候应该离散连续特征？是否有任何关于准确性的标准和利弊。
浏览 0提问于2017-06-17得票数 7
3回答
我是ml的新手，我正在使用Spark ML构建一个预测系统。我读到特征工程的一个主要部分是找到每个特征在进行所需预测时的重要性。在我的问题中，我有三个分类特征和两个字符串特征。我使用OneHotEncoding技术来转换分类特征，使用简单的HashingTF机制来转换字符串特征。然后，这些作为管道的各个阶段输入，包括ml NaiveBayes和VectorAssembler (将所有特征组装到单个列中)，分别使用训练和测试数据集进行拟合和转换。
一切都很好，除了我如何确定每个特性的重要性？我知道我现在只有几个功能，但我很快会添加更多的功能。我遇到的最接近的是带有spark ml模块的ChiSq
浏览 1提问于2016-08-22得票数 1
1回答
我正在训练一个神经网络，它有大约10个分类输入。在对这些分类输入进行一次性编码后，我最终将大约500个输入输入到网络中。
我希望能够确定我的每个分类输入的重要性。Scikit-learn有，但是其中任何一个都可以应用于分类数据输入吗？所有的例子都使用数值输入。
我可以将这些方法应用于one-hot编码输入，但如何在应用于二进制化的输入后提取含义？如何判断分类输入的特征重要性？
浏览 15提问于2017-02-18得票数 6
1回答
策略梯度操作维度
、、、、
我理解策略梯度中的操作空间应该是离散的，比如“向上”、“向左”、“不做任何事情”。 我的环境是智能体需要选择一个方向(360度)，然后选择步数(10步)。 在这种环境下，智能体可以选择的动作空间中将有3600个不同的动作，这将需要大量的片段来训练智能体，并且会造成资源的浪费。 你能建议我如何处理这种情况吗？ 行动空间可以转化为连续的随机变量吗？
浏览 10提问于2019-10-03得票数 0
1回答
我正在尝试在一些实时数据上实现朴素贝叶斯算法。我知道贝叶斯的规则，但我不确定如何在我的data.My数据上实现，因为below.There在我的数据中总共有2个标签，它们都是ok，欺诈和标记为未知的测试数据。我需要通过应用朴素贝叶斯Algorithm.How将所有未知记录分类为ok或欺诈。我是否可以做到这一点？请谁来帮帮我。
1,v1,p1,182,1665,unkn
2,v2,p1,3072,8780,ok
3,v3,p1,20393,76990,ok
4,v4,p1,112,1100,fraud
5,v3,p1,6164,20260,unkn
6,v5,p2,104,1155,ok
7,v
浏览 3提问于2012-11-16得票数 2
回答已采纳
1回答
未定义下一状态的机器人Q学习算法
、、、、
我是机器学习的新手，我正在开发一个动态环境的机器人。我正在使用python作为我的项目的编程语言。
我有一个目标状态，机器人有四个动作，如前进，后退，右转和左转。
问题是，当机器人执行一个动作时，我无法定义下一个状态。但我可以在每集之后识别状态是不是目标状态。
如何将强化学习模型应用于此。我可以使用pomdp吗？
浏览 2提问于2018-07-30得票数 0
我需要一些帮助。嗯，我有两类(两种不同的上肢运动)的特征向量。现在我需要把我的特征矩阵(所有特征向量)放在weka中来对我的动作进行分类，特别是使用SVM算法。但我以前从未用过weka，也没用过java或format arff。如何将我的特征矩阵转换为weka语言？
非常感谢。我将感谢所有的帮助
莉莉亚
浏览 0提问于2013-08-01得票数 0
我有一个多变量时间序列数据集，我想用它进行分类。基本上，这是一个EEG数据集，它试图对手是否移动进行分类。 假设我有4个数据集，每个数据集对应一个目标值。数据集看起来像这样，例如： sample1.csv 423 651 214 685
125 749 515 475
325 458 153 621 sample2.csv 125 632 489 452
129 563 245 248
782 345 156 369 sample3.csv 321 456 302 312
156 325 186 456
325 356 792 625 sample4.csv 156 632 156 456
浏览 41提问于2019-04-03得票数 0
1回答
我必须计算连续/数字特征的互信息。我想在此基础上应用特征选择。功能集描述如下
feature1:可以假设1- 10000之间的任何值feature2:测量花费在某件事情上的时间-因此可以假设除整数(大)之外的任何值...我有这些特征。
我对此应用互信息公式感到困惑。维基百科说集成是需要连续变量的。
是否需要在应用MI之前对特征进行离散化?？
浏览 1提问于2014-04-22得票数 1
1回答
可以将PCA应用于部分数据集吗？
、、、、
我正在使用kaggle数据集，它有超过130个特征，包括116个分类和14个连续特性。我绘制了14个连续变量的热图，发现它们大多与响应变量弱相关，但高度相关。我试图将PCA应用于数据的这一部分，并将它们作为列与分类变量结合在一起。这样做可以吗？或者我是否应该对分类变量进行一次热编码/标签编码，并对整个数据集进行pca？
浏览 0提问于2019-03-20得票数 1
回答已采纳
2回答
我正在开发一个电子商务应用程序。我拥有的大多数产品都包含类别属性，但也有一些不包含(大约70-30%)。我尝试使用来检测类别，但我拥有的属性是字符串(name, brand, price, description, category)，因此所有分类器都无法工作，因为它需要属性是数字、名义或二进制。
以前有没有人遇到过这样的问题？
浏览 0提问于2015-01-27得票数 3
1回答
线性判别分析与朴素贝叶斯
、、、、
在机器学习分类方面，LDA与朴素贝叶斯的优缺点是什么？
我知道一些区别，比如朴素贝叶斯假设变量是独立的，而LDA是高斯类条件密度模型，但是我不知道什么时候使用LDA，什么时候使用NB取决于具体情况？
浏览 2提问于2017-09-25得票数 8
2回答
我最近一直在研究隐马尔可夫模型在C++中的实现。我想知道我是否可以使用任何现有的用C++编写的HMM库来与动作识别(带有OpenCV)一起使用？
我正在努力避免“重新发明轮子”！
尽管(看起来) 是为语音识别而设计的，但它有可能使用吗？
我的想法是，如果我们可以将特征向量转换为符号/观测值(使用矢量量化- Kmeans聚类)，我们就可以将这些符号用于解码、推理、参数学习(Baum-Welch算法)。这样，它就可以在OpenCV中与Torch3Vision协同工作。
在这方面的任何帮助都将受到真正的感谢。
浏览 6提问于2011-12-19得票数 16
回答已采纳
1回答
只使用范畴变量的SMOTE-NC
、、、、
我正在处理一个只包含绝对特性的数据文件。为了重现我所面临的问题，我将举下面的例子：
d = {'col1':['a','b','c','a','c','c','c','c','c','c'],
'col2':['a1','b1','c1','a1','c1','c1','c1',
浏览 2提问于2020-11-18得票数 1
回答已采纳
我是netlogo的新用户。我有一个反应系统(转化为常微分方程)，可以用Matlab求解。我想在netlogo中开发相同的模型(用于与matlab结果的比较)。我对time/tick感到困惑，因为netlogo使用"ticks“表示时间增量，而Matlab使用秒为单位的时间。如何将我的matlab秒转换为刻度数？有人能帮我写代码吗？模型是：
A + B ---> C (with rate constant k1 = 1e-6)
2A+ C ---> D (with rate constant k2 = 3e-7)
A + E ---> F (with rate co
浏览 2提问于2014-12-30得票数 1
2回答
我一直在探索编码分类数据的方法。我希望找到一种不增加数据集维度的好方法，类似于在这个数据集中使用药物的方法：药物消费(量化)数据集。
此数据集中的每个分类数据被转换为一些实数，但是数据集的维数没有增加。与其只是随机地用数字替换值，而且似乎有一些经过深思熟虑的方法。有人能说明一下这件事吗？
浏览 0提问于2019-11-24得票数 0
回答已采纳
1回答
多目标决策树
、、、、
这就是我的问题。我需要实现一个多目标决策树算法。多目标是多标签学习的扩展，其中标签不是二进制的，而可以是连续的、分类的等等。例如，对于多标签分类问题，标签向量可能类似于{1，0，1，0，0，1}，而对于多目标，可能类似于{2,35,3，-2,24}。我的问题是。如果我有一个包含3个离散值的标签，我该如何用向量来表示它们？假设我有一个名为job的标签，它有3个值:机械师、教师和运动员。我如何对这个标签进行编码以便在向量中使用它？在决策树中的每个节点上，为了找到我的分裂，我需要计算这个节点中所有标签向量的平均向量(我使用方差方法方程来找到我的分裂)。如果我有二进制标签，这将很容易，因为添加0和1不
浏览 5提问于2011-12-31得票数 0
回答已采纳
1回答
我一直在运行‘平均下降精度’度量，这个显示了这个度量：
在这个例子中，作者使用随机森林回归器RandomForestRegressor，而我使用的是随机森林分类器RandomForestClassifier。因此，我的问题是，我是否也应该使用r2_score来测量精度，还是应该改用经典精度accuracy_score或马修斯相关系数matthews_corrcoef？
如果我换不换的话这里有人吗。为什么？
谢谢你的帮助！
以下是网站的代码，以防您懒得点击:)
from sklearn.cross_validation import ShuffleSplit
from sklearn.metr
浏览 4提问于2015-07-10得票数 3
回答已采纳
1回答
我最近基于中描述的算法实现了一个词袋分类算法。
所有的工作都很好，但我想使用ROC曲线或精度回忆图来衡量分类器的准确性。
我可以很容易地获得每个分类器的混淆矩阵，但我不知道应该更改哪个参数才能获得更多的点并实际绘制曲线。
有人能给我解释一下吗？
浏览 2提问于2013-03-28得票数 2
1回答
请告诉我如何拆分一个有数值的节点，比如我的父节点是温度，它有数值45.20、33.10、11.00等，这样的数值应该如何拆分？如果我有一个分类列，比如温度有一个低的值和一个高的值，我会把它分成左边的低和右边的高。但是如果列是数字的，我应该如何拆分它呢？
浏览 1提问于2020-02-12得票数 1
卷积和相关在大多数情况下是不同的，产生不同的输出。但是，当用于卷积或相关的滤波器是对称的，我们得到相同的输出。为什么？是什么属性使输出对两者都一样？
浏览 3提问于2020-05-13得票数 0
回答已采纳
3回答
我在用蟒蛇做分类。我对网页使用朴素贝叶斯MultinomialNB分类器(从web检索数据到文本，稍后我对文本进行分类: web分类)。
现在，我试图将PCA应用于这些数据，但是python给出了一些错误。
我用朴素贝叶斯分类的代码：
from sklearn import PCA
from sklearn import RandomizedPCA
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
vectorizer = Count
浏览 6提问于2016-01-11得票数 16
2回答
我们使用卷积神经网络，因为它通过设计学习在空间位置上泛化的特征，所以当使用conv操作时，它减少了图像大小，并且我们希望在下面的层中有更多的简单性，但是当进行零填充时，图像恢复到原来的大小，那么这样做有什么好处呢？同样的问题还会出现，因为图像大小仍然很大。另外，CNN可以很好地对图像进行分类；那么如何在游戏中使用它来检测最佳下一步，我的意思是它是如何从图像本身决定动作的Q值的，尽管理解图像并没有给出下一步的任何指示？
浏览 0提问于2021-05-07得票数 0
1回答
训练中的特征提取
、、、、
我在使用特征提取来进行对象分类方面有困难。我需要分类不同类型的汽车，但我不知道哪种特征提取技术用于培训的目的。
简单地说，我怎么能断定算法A对我的目的是好的，我应该寻找哪些特性呢？
还请告诉我是否有任何module来实现python中的特征提取。
浏览 4提问于2013-07-28得票数 0
1回答
我尝试使用python包"Orange“进行交叉验证。这个库看起来很不错，但我对它有一些问题。
对于版本信息，我使用Python 2.7和Orange 2.7.8。我的任务很简单。我想用(1)数值属性离散化和(2)特征选择的交叉验证来验证模型。
在这里，如您所知，在交叉验证循环中处理离散化和特征选择是很重要的。换句话说，对于每个交叉验证循环，(1)仅对训练数据进行离散化，并对测试数据使用相同的装箱切割；(2)从训练数据中获取重要特征，并将这些特征用于测试数据。
在研究了Orange之后，我编写了以下脚本。
import Orange, orange, orngDisc, orngTes
浏览 6提问于2016-12-07得票数 1
📷
我有一套临床数据。其目标是开发一种基于二进制数据的预测种族的模型，不管是否存在基因。
我很难找到一个没有连续数据就能工作的分类模型。一种可能有效的模式是k模式。还有什么其他的型号我应该考虑吗？
浏览 0提问于2019-03-01得票数 0
我想知道是否有人能帮我这个忙。我正在学习多元线性回归，并试图做一些实践，但似乎遇到了一个问题。我试图用一个编码器将payment_type转换成一个分类变量。这里我看到了错误以及数据的前几行和列。我试着上网看看，做别人建议的事情，但我也不断犯错误。有办法解决这个问题吗？我已经试了好几个小时了。此外，我也不知道为什么它说不能转换VTS，当它是我试图转换的payment_type。对这件事的任何想法和帮助都是非常感谢的。
在屏幕上看到之前的代码基本上只是加载数据，仅此而已。
谢谢!
浏览 1提问于2018-05-18得票数 2
我一直在使用R中的ape软件包对猫系统发育的几个生态变量进行系统独立的对比，我想知道如何使用分类值来实现这一点。
下面是它使用数值的工作方式：
# Load ape
library(ape)
# Simulate data
set.seed(23)
phy <- rcoal(10)
x <- runif(10, 0, 10)
y <- x + rnorm(10)
# Compute correlation of independent contrasts
cor.test(pic(y, phy), pic(x, phy))
如何与离散数据进行独立对比？
浏览 2提问于2016-03-03得票数 2
2回答
离散值回归？
、、、
我是机器学习/统计算法方面的新手，但我使用过一些简单的分类器和回归。
鉴于我的知识有限，我想就我是否走上正确的方向发表一些意见。
我的问题是:考虑到数据库中最相似的项目的已知价格，我希望对输入项的价格进行最佳预测。
起初，这听起来像是回归问题，但我的特性是离散的和连续的。例如，产品制造/模型是离散的，而制造年份是连续的吗？
现在，我正在考虑通过欧几里得距离找到x最近的匹配，然后加权平均+以某种方式确保一定的特征匹配(就像项目模型类型)。
谢谢。
浏览 0提问于2018-12-20得票数 4
我正在我的数据集上测试多项NB和Bernoulli，我使用交叉验证分数来更好地理解这两种算法中哪一种更有效。这是第一个分类器：
from sklearn.naive_bayes import MultinomialNB
clf_multinomial = MultinomialNB()
clf_multinomial.fit(X_train, y_train)
y_predicted = clf_multinomial.predict(X_test)
score = clf_multinomial.score(X_test, y_test)
scores = cross_val_score(
浏览 0提问于2020-11-30得票数 0
1回答
从数据构建HMM
、、、、
我对Hidden Markov Models有个问题。我正在用C#在Kinect上编写一个用于手势识别的应用程序(简单的手势，如滑动、波浪、圆圈等)。我写了一个手势记录系统，在那之后，我创建了一个特征提取器，它可以计算点之间的速度，也可以计数方向(点对间的角度)--我认为这是一种简单的矢量量化方法，因为我创建了一个码本，其中编码词为1-18。码字是每20度角的间隔(例如，角度12 is是码字-1，45 is=码字-3等等)。
现在我想我需要创建一个HMM并使用一些Forward-Backward算法来学习。然后提出了一些Bayes分类方法并完成。
我的问题：
我的脚步错了吗？
如何创建
浏览 1提问于2013-04-08得票数 1
回答已采纳
我是R和一般编程的新手，我对分类变量、连续变量和离散变量感到困惑。
对于<chr>类型的变量，我相信它们是绝对变量。但它们也算为离散变量吗？而且，对于<int>类型，它们是连续的还是离散的？试图在网上找到它，但却发现了复杂的答案，然后就困惑了。
提前谢谢。
浏览 4提问于2022-09-12得票数 0
回答已采纳
1回答
用于分类和回归的递归特征消除模型
、、、、
Recursive Feature Elimination的classification和regression可以使用哪种模型。
例如，我们可以使用
selector = RFE(RandomForestClassifier(), 5)
用于分类和
selector = RFE(RandomForestRegressor(), 5)
用于回归
What其他模型可以用于RFECan回归，RFE模型用于分类，反之亦然，(从某个地方阅读)。仍然不确定他们如何适应)
浏览 0提问于2019-12-15得票数 0
1回答
我有一个有大约50列的数据。这些列要么是分类数据，要么是连续数据。连续数据可以在0.000001到1.00000之间，也可以在50万到500万之间。分类数据通常是一个名称，例如商店名。
如何将这些数据规范化，以便将其输入序列模型的稠密层？
Y值要么是0，要么是1，因此它是一个二进制分类问题。目前，我正在将所有连续数据规范化为0-1，对所有分类数据进行一次热编码，这样如果我有一个列，其中有5个名称，我将得到一个包含0's和1's的5列的矩阵。然后，我将所有连续和绝对数据加入到一个密集的init='uniform'和activation='relu'
浏览 0提问于2017-02-01得票数 6
1回答
我有一张桌子 它说“Scikit-Learn中的示例分类器及其超参数。通常，超参数可以是(a)离散的，例如，kNN中的邻居数量，或(b)连续的。例如，逻辑回归中的惩罚值。” ? 如你所见，KNN有3个超参数。 2个离散和1个连续OK， 我知道k近邻中的k是一个超参数？ 那么，他们正在谈论的其他离散和连续超参数是什么？
浏览 11提问于2019-04-25得票数 1
回答已采纳
我已经计划使用Vowpal Wabbit(大众)的上下文强盗来构建推荐系统。 我有N用户的M(在这种情况下是26)维数字特征，并有反馈日志，其中包含用户点击哪个项目(例如广告)的信息。每个反馈日志的有效操作总数略有不同(约为100~150)。只有来自项(操作)的信息才是其唯一ID。 因此，在这种情况下，我决定使用ADF学习模式(--cb_explore_adf)。但在the tutorial中，大众似乎只关心分类数据类型，而不是数字类型。无论如何，我尝试设置测试数据格式，如下所示。 shared |User feat_0=1.0 feat_1=0.00389094278216362 feat
浏览 33提问于2021-08-09得票数 0
tensorflow集线器文档有用于文本分类的示例代码：
hub_layer = hub.KerasLayer("https://tfhub.dev/google/tf2-preview/nnlm-en-dim50/1", output_shape=[50],
input_shape=[], dtype=tf.string)
model = keras.Sequential()
model.add(hub_layer)
model.add(keras.layers.Dense(16, activation='rel
浏览 3提问于2019-11-02得票数 0
回答已采纳
我知道，对于分类特征，我们只是计算先验概率和似然概率，假设特征之间有条件独立。
它对连续变量是如何工作的？如何计算连续变量的似然概率？
浏览 0提问于2019-03-10得票数 11
回答已采纳
我们认为Bernoulli朴素贝叶斯假设所有连续特征的高斯分布。如果我在数据集中也有分类特性，会发生什么？
在将Bernoulli朴素转换应用于数据集中之前，数据中哪种类型的先验转换是合适的？
浏览 0提问于2018-05-25得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
