聚合一个热编码
热编码（One-Hot Encoding）是一种常用的数据预处理技术，用于将离散特征转换为机器学习算法可以处理的数字形式。它将每个离散特征的取值扩展为一个新的二进制特征向量，其中只有一个元素为1，表示该特征的取值，其他元素都为0。
热编码的主要目的是解决离散特征无法直接应用于机器学习算法的问题。在许多机器学习算法中，输入数据通常需要是数值型的，而离散特征的取值通常是字符串或类别型的。通过热编码，可以将离散特征转换为机器学习算法可以处理的数值型特征。
优势：
- 保留了离散特征的信息，避免了特征之间的大小关系对模型的影响。
- 适用于大多数机器学习算法，如逻辑回归、决策树等。
- 可以处理多分类问题，将每个类别都表示为一个独立的特征。
应用场景：
- 文本分类：将文本特征转换为数值型特征，用于文本分类任务。
- 推荐系统：将用户的兴趣标签进行热编码，用于推荐算法中的特征表示。
- 自然语言处理：将词汇表中的词语进行热编码，用于文本生成、机器翻译等任务。
腾讯云相关产品： 腾讯云提供了多个与机器学习和数据处理相关的产品，以下是其中一些产品的介绍链接：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tccli） 腾讯云机器学习平台提供了丰富的机器学习算法和模型训练工具，可用于数据预处理、特征工程和模型训练等任务。
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp） 腾讯云数据处理平台提供了大数据处理和分析的解决方案，包括数据仓库、数据集成、数据计算等功能，可用于处理热编码等数据预处理任务。
请注意，以上只是腾讯云提供的一些相关产品，还有其他产品也可以用于处理热编码等任务。
相关·内容
1回答
这是示例
线性订购量热图(区域与数量)
创建计算字段logarithmic = int(log([Order Quantity]))，然后在logarithmic = int(log([Order Quantity],10))上创建
热图的大小是基于logarithmic的。
尺寸不变，号码不正确，请指点。
浏览 5提问于2016-09-16得票数 1
回答已采纳
1回答
我有一个PySpark DataFrame，它有一个列作为一个热编码向量。我想在群后通过矢量加法来聚合不同的热编码向量。
例如df[userid,action] Row1: ["1234","[1,0,0]] Row2: ["1234", [0 1 0]]
我希望输出为row：["1234", [ 1 1 0]]，因此向量是由userid分组的所有向量的总和。
我怎样才能做到这一点？PySpark和聚合操作不支持向量加法。
浏览 4提问于2016-12-07得票数 12
3回答
我想训练一个关于特征向量的二进制分类器。其中一个特征是带有字符串的分类特征，它是一个国家的邮政编码。
通常，有成千上万的邮政编码，在我的例子中，它们是字符串。如何将此功能转换为数字？
我不认为使用单一热编码作为我的解决方案是好的。我说得对吗？如果是，怎样才是合适的解决办法？
浏览 0提问于2016-03-03得票数 7
回答已采纳
2回答
我正在学习神经网络的不同输入向量表示。
稀疏单热编码矢量的替代方案之一是多热编码.
我是否正确地理解了传统的二进制数计算方法正是多重热的含义？我们可以把一个字节想象成一个由8个组件组成的向量，每个条目要么是0，要么是1.0
问题的第二部分：
我想使用多热编码来表示多达255个可能的输入值.如果我使用二进制方法，这会与标签编码相同吗？从某种意义上说，网络会发现00000010比00000001更“优越”，有“强相关性和优先级”吗？
还是说不那么夸张了？例如，在标签编码中，我只需要使用一个输入神经元，只要有0到255的不同强度，就像枚举一样。这样的效果会被夸大，因为它显示了值A相对于值A-1的明显
浏览 0提问于2018-08-21得票数 7
回答已采纳
1回答
虽然我知道需要对输入数据中的功能进行热编码，但输出标签的热编码实际上有什么帮助呢？张量流MNIST教程鼓励对输出标签进行一种热编码。然而，CS231n(斯坦福大学)的第一个任务并没有建议使用一种热编码。选择/不选择一个热编码输出标签的理由是什么？
编辑:不确定下投票的原因，但为了详细说明，我遗漏了softmax函数和交叉熵损失函数，该函数通常用于多项式分类。这与交叉熵损失函数有关吗？话虽如此，即使没有对输出标签进行热编码，也可以计算损失。
浏览 1提问于2018-07-17得票数 3
1回答
我需要创建3位数的邮政编码边界热图。我有3位数的邮政编码和计数数据，像这样
zip <- c(790, 791, 792, 793)
count <- c(0, 100, 20, 30)
TX <- data.frame(zip, count)
另外，我还画了TX地图。
library(ggplot2)
library(ggmap)
library(maps)
library(mapdata)
states <- map_data("state")
texas<- subset(states, region =="texas")
浏览 1提问于2017-12-02得票数 6
我需要一些帮助，以便在所有文档中对字段中的嵌套对象创建计数查询。每个文档json都有许多字段。一个称为“热链接”的特定字段由许多内部动态对象字段组成。
Doc1:
{
hotlinks : { 112222:{....} , 333333: {.....} , 545555: {.....} }
}
Doc2:
{
hotlinks : { 67756:{....} , 756767: {.....} , 1111111: {.....} }
}
每个文档都有一个热链接字段。热链接字段包括各种内部热链接对象。每个键都是一个java唯一的id，并且有包含数据的对象(
浏览 1提问于2013-08-12得票数 1
回答已采纳
关于一个热门的特性编码，我有两个问题：
(1)当一次热编码时，删除第一个(或至少一个)热编码特性是否被认为是一种“最佳做法”，就像在经典统计中创建用于线性回归建模的虚拟变量一样？似乎ML从业者都是这样做的；是否存在明确的指导？
(2)处理具有数千个特征的范畴变量(大约6000)的一次热编码是最好的方法。这个数字特别高，因为数据集在一个热编码之前只有大约10个特征。请注意，这些类别在特性之间分布相当均匀。
浏览 0提问于2021-06-11得票数 2
1回答
我遇到了一个问题，那里有20节课。我设计了一个神经网络，并使用损失作为categorical_crossentropy。
在处理范畴交叉熵时，输出标签必须是一个热编码。
因此，当我对输出标签进行一个热编码时，每一行的标签都是在矩阵中编码的，而在标签编码器中，我在数组中得到了相同的编码。
oht = OneHotEncoder()
y_train_oht = oht.fit_transform(np.array(y_train).reshape(-1,1))
下面是标签编码的片段
le = LabelEncoder()
y_train_le = le.fit_transform(y_train)
浏览 4提问于2022-08-07得票数 -1
我是keras的新手，并且已经在分类数据上训练了一个简单的顺序模型。我对标签进行了热编码，并在热编码上训练了模型。然而，当我使用predict_classes时，我得到了一个整数数组(我知道它们表示预测返回的softmax输出中最可能的类的索引)，但我不知道如何将该输出映射回原始的热编码。我似乎在网上或文档中找不到答案。任何帮助都将不胜感激。
浏览 2提问于2018-06-13得票数 1
1回答
这里有一个热图的例子，它是由区域上的标记/点的数量来决定的。但是，是否有一种方法可以通过平均引脚/标记值来显示热图？例如，如果我有5个引脚和它们的平均支持值speed=3，那么它将显示为绿色集群/热图，如果它们的av。支柱val为6，则为红色星系团/热图。
我发现"clusterAggregates“属性可以提供帮助，但找不到使用它的任何示例。
谢谢
浏览 10提问于2017-08-24得票数 6
2回答
单标签多类分类随机森林蟒蛇
、、、、
我是机器学习的新手，目前正在处理由分类数据组成的csv文件格式的数据集。作为预处理的一种手段，我对数据集中的所有变量进行了热编码。 目前，我正在尝试应用随机森林算法将条目分类为4个类别中的一个。我的问题是，我不知道这一个热编码变量到底发生了什么。我如何将它们提供给算法？它能区分buying_price_high、buying_price_low (buying_price的一种热编码)吗？ 我还对response变量进行了一次热编码。
浏览 19提问于2019-10-02得票数 0
回答已采纳
我们知道，在处理非序数数据时，我们更喜欢使用单热编码而不是标签编码。
我还设计了一个博客，它给出了标签编码和单热编码的区别.
因此，我想知道为什么一个热编码器可以避免这种情况，即模型会误解数据的某种顺序，如果数据是标签编码的话，0 < 1 < 2。
它有一些进展和理论吗？
或者任何人都可以用直觉来解释。
提前谢谢。
浏览 0提问于2019-04-25得票数 3
1回答
是否允许Appsee (或任何其他分析平台)在ios上创建热图？我找不到任何关于Apple是否允许记录热图的文档。
浏览 19提问于2020-01-21得票数 0
我有一个巨大的数据集，在特性中包含分类列，我的目标变量也是分类的。
所有的值都不是序数，所以我认为最好使用一个热编码。
但是我有一个问题，我的目标变量有90个类，所以如果我做一个热编码，就会有90列作为目标列，这将变得非常复杂。
但是，由于所有的值都不是序数，我可以为特征、分类列和目标变量应用一个热编码吗？
谢谢
浏览 0提问于2022-03-24得票数 0
我正在使用highcharts.It创建一个大的热图，工作良好，但当有大量的记录生成热图for.In的情况下，它冻结浏览器，并由浏览器显示一个警报，等待或结束页面。我在Stackoverflow上看到的其他答案很少，它们建议将计算算法更改为可以迭代调用的东西，然后使用timeout()，但我无法在我的场景中使用它，我如何才能使highchart渲染迭代？
如何防止浏览器冻结？
浏览 1提问于2014-09-29得票数 0
2回答
Y必须是一个热编码还是非热编码？例如，在此代码中：
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X, Y)
浏览 6提问于2022-09-15得票数 2
1回答
当功能是数字特性时，如下所示：
假设sigmoid(transpose(theta).X))中的特征矩阵X是：
然而，当我们这里还有一个特性--颜色，可以是红色、蓝色或绿色--在做时，一个热编码将是一个向量，比如：[1 0 0] [0 1 0]和[0 0 1]。
我想不出如何将这些一个热编码向量合并到已经存在的特征矩阵中，然后将其用于假设方程中。
浏览 0提问于2015-11-11得票数 1
回答已采纳
2回答
是否需要对python中的随机森林分类器进行一次热编码？我想从逻辑上理解，随机林中是否可以用标签编码来处理分类特性，而不是单热编码。
浏览 4提问于2021-01-14得票数 0
热巧克力需要AutoMapper吗？
HotChocolate有GraphqlIgnore等注释。我神奇的使用热巧克力需要创建DTO和使用自动？
浏览 1提问于2022-08-15得票数 0
回答已采纳
我有一个移动价格分类数据集，其中我有20个特性和一个名为price_range的目标变量。我需要分类移动价格低，中等，高，非常高。
我已经对我的目标变量应用了一次热编码。在此之后，我将数据分成trainX、testX、trainy、After。因此，我对trainX和trainy的形状分别是(1600,20)和(1600,4)。
现在，当我试图将trainX和trainy安装到logisticRegresion，即-> lr.fit(trainX，trainy)时，我得到了一个
错误:输入错误(1600,4)
因此，我知道我必须给出形状的值(1600,1)，但是通过一次热编码，我已经根据
浏览 0提问于2019-11-04得票数 0
回答已采纳
如果数据集是以字符形式给出的，即分类的，那么我们需要使用一种热编码将它们转换为数字数据？
我的第二个问题是，一个热编码只对名义数据类型有意义，还是对名义数据类型和序数数据类型都有意义？
浏览 16提问于2019-07-20得票数 0
首先，我是XGBoost的新手。原谅我的愚蠢。
以下是一个问题：
如何将dgCMatrix分解为两个矩阵(例如，训练和测试)？我的目标是使用这些矩阵进行XGBoost培训。当我使用一次热编码将所有的分类变量转换为数值变量时，我得到了dgCMatrix。我可以单独对训练数据集和测试数据集进行一次热编码吗？
我尝试过dummyVars (从包插入符号)进行一次热编码，但我的R会话由于某些原因而被中止，我不知道。
浏览 0提问于2016-09-05得票数 2
回答已采纳
变量/特性之一是部门id，它类似于1001、1002、…、1218等等。id是标称的，不是序号的，也就是说，它们只是id，而部门1002绝不高于部门1001。我使用Scikit学习将这个特性提供给随机森林。我该怎么处理呢？
有些人说要使用一种热编码。然而，
另一些人说，一次热编码降低了随机森林的性能。
此外，我有超过200个部门，所以我将增加大约200个变量使用一个热编码。
但是，如果我只使用原始值，1001,1002等等，随机森林会认为部门1002高于部门1001吗？
谢谢。
浏览 0提问于2022-03-14得票数 5
回答已采纳
在我的dataset中，有一个列有较大的no类别。对于模型培训或构建，我们需要将这些类别转换为数字。我们可以使用几种方法将标签转换为数字编码、单热编码和标签编码器，但在这里，我的问题是类别不是序号(不需要保留顺序)。我们可以使用一个热编码，但它创造了大量的维度。在这种情况下，要有效地将类别转换为数字，需要选择哪种方法？它不应该影响模型的尺寸。
请对这件案子提出建议。提前谢谢。
浏览 0提问于2021-07-14得票数 1
1回答
在测试seaweedfs的过程中，问题开始出现。你能给我解释一下，什么是seaweedfs逻辑中的热、暖、冷数据？
关于擦除记录的第二个问题:它只适用于热数据吗？热的和冷的都不能用吗？如果我没有任何类型的复制，我能确定所有数据都是安全存储的吗？
谢谢
浏览 26提问于2020-06-03得票数 0
我已经创建了一个基本的热图，其中列对应于时间点，行分别表示一个个体。在我的dataset中，我有一个ID变量，我希望它显示在行注释中，这样我就可以清楚地看到热图中的哪些行对应于哪个个体。请看下面的图片。
我只想让单个I显示在左侧树状图和热图之间。
到目前为止，我已经用CSV文件创建了一个矩阵
mymatrix<-as.matrix(mydata[ ,c(2:9)]
并运行heatmap函数，同时强制它仅在行上聚集。
Heatmap(mymatrix,cluster_columns = FALSE)
另外，我想创建一个单独的列，它显示在热图的右侧，表示个人的收入，但不会影响集群。
浏览 1提问于2016-05-09得票数 1
我需要对我的数据集中的分类变量“星期几”进行一次热编码，但有时数据集只有一个值，比如“星期三”，在这种情况下如何进行一次热编码？
浏览 5提问于2018-02-07得票数 1
2回答
patsy中的单热编码
、、、
对于回归，我通常使用sklearn的编码分类变量。
我现在正在探索使用patsy，但它似乎没有提供一种热编码：。
是否可以使用patsy指定一次热编码？
浏览 8提问于2017-10-19得票数 1
回答已采纳
1回答
使用海运热图
、、、
我正在使用海中热图遇到一些问题。
代码：
df[['latitude', 'longitude', 'interest_level']]
a = df.pivot('latitude', 'longitude', 'interest_level')
错误：
ValueError: Index contains duplicate entries, cannot reshape
利息级别有多个重复值。我所设想的是lat/long将形成一个2D图，兴趣级别是地图中的值。兴趣级别是绝对的，只有3个唯一的值
浏览 0提问于2017-03-26得票数 0
回答已采纳
1回答
我们使用一个带有名义变量的热编码，这样我们就不会强加任何顺序关系。如果我们有一个范畴变量，有三个类别:红色，蓝色，绿色。这个变量的热编码将是: Blue -> 一千零零，Green -> 0,1,0和Red -> 0 0 0 1。现在，如果我们把这些二进制数转换回十进制数，我们将有:蓝色-> 4，绿色->2和红色-> 1，它有自然的排序关系，那么一个热编码怎么不引入自然排序关系呢？
浏览 0提问于2022-09-27得票数 -1
回答已采纳
1回答
分类特征编码
、、、、
我在做一个分类模型。我有明确和连续的数据。分类列包括两个类的列，如性别(男性、女性)和多类列(如位置)。
我需要将这些编码成数值。我会做一个热编码和删除第一列，但这是不现实的，一个看不见的测试数据，可能有看不见的值。因此，我计划用句柄_ignore=‘ignore’进行一次热编码。
然而，我的问题是，我害怕它在数据中呈现的多重共线性，特别是对于有两个类的列。
我想出的解决方案是只在列上应用LabelEncoder，其中包含2个类，其余部分只使用一个热编码器。这样减少了多重共线性的影响。
这听起来对吗？
请告诉我你的想法。谢谢。
浏览 0提问于2022-01-20得票数 1
我有一个包含200+分类变量(非序数)的数据集，并且只有几个连续变量。我试过使用一种热编码，但这会使维度增加很多，结果会导致很差的分数。
看起来，普通的scikit学习树只能与已被转换为一个热编码(对于非序数vars)的分类变量一起使用，如果有一种方法可以创建一棵没有一个热的树，我就是这样做的。我做了一些研究，发现有一个名为h2o的API可能很有用，但我正在设法在我的本地机器上运行它。
浏览 0提问于2019-07-05得票数 3
回答已采纳
1回答
我进退两难，我使用的是一个热编码，我需要进行特征选择(对于分类和数值特性)，我有一些不太重要的特性，但我不想使用一些算法来完成，而不是手动的。我的问题是双重的-
我可以用什么特征选择技术来做呢？
我是在一次热编码之后还是之前做的？
浏览 2提问于2020-10-08得票数 0
回答已采纳
我正在学习CrossEntropyLoss模块在pytorch。导师说，你应该用“标签编码”输入目标值y，而不是输入“单一热编码”。像这样
loss = nn.CrossEntropyLoss()
Y = torch.tensor([0])
Y_pred_good = torch.tensor([[2.0, 1.0, 0.1]])
Y_pred_bad = torch.tensor([[0.5, 1.0, 0.3]])
l1 = loss(Y_pred_good, Y)
l2 = loss(Y_pred_bad, Y)
print(l1.item())
print(l2.item())
浏览 5提问于2022-11-23得票数 1
回答已采纳
3回答
多类问题单热编码类标签的正确方法
、、、、
我有一个多类的分类问题，我们把它们称为A、B、C和D。我的数据的形状如下：
X=[#samples, #features, 1], y=[#samples,1].
具体来说，y看起来是这样的：
[['A'], ['B'], ['D'], ['A'], ['C'], ...]
当我在这些标签上训练一个随机森林分类器时，它工作得很好，但是我多次读到类标签也需要一个热编码。在一个热编码之后，y是
[[1,0,0,0], [0,1,0,0], ...]
并且有这个形状
[#samples, 4]
当我尝试使用它作为分类器输
浏览 1提问于2020-04-14得票数 1
回答已采纳
我们是否应该将输入转换为热向量，并期望一个热向量作为输出？我的意思是，我们能用像x=12，-234，54，78，12 6这样的向量来填充LSTM，并且有这样的标签向量: y=13、-230、50、80、9、7吗？(我们根本不使用单一热向量)。这样的网络能正常运作吗？还是将输入/输出转换为单热向量更好，这就是LSTM的本质？
如果用一个热向量给LSTM喂食不是必要的规则，而且在我前面的问题中，我们喜欢用这样的向量来给我们的网络提供信息，那么我们是否应该再次使用softmax()函数来输出？或者我们可以使用更好的选项来解决这类问题(甚至不使用任何函数)？如果我们必须(或更好)使用softmax，我
浏览 0提问于2019-02-19得票数 0
2回答
单-标签热编码不需要？
、、、、
我试图从指导教程中了解经典虹膜分类问题的代码块。
最后一个模型的代码块如下所示
chosen_model = SVC(gamma='auto')
chosen_model.fit(X_train,Y_train)
predictions = chosen_model.predict(X_valid)
在中，您可以看到X_train和Y_train中的数据类型。这些是Numpy数组。Y_train以字符串的形式包含虹膜物种。
我的问题很简单:即使我没有将一个热编码的Y_train放入不同的二进制列中，该模型为什么工作呢？我从其他教程中了解到，对于多类分类，我需要首先进行一次热编码
浏览 1提问于2020-07-15得票数 4
回答已采纳
1回答
我正在学习标签编码器，一个热编码等应用于数据集，通过KNN和XGBoost类型树进行分类。但是，对于目标变量是否应该是一个热编码变量，我感到有点困惑。
在我的例子中，我有一个500x10大小的dataframe，最后一列是目标(用于预测) country列，而其余的499列包含浮点值。因此，有一个示例行：
feature1 ..... fetaure499 target
1.1 ......... 40.1 Germany
6.1 ......... 265.7 USA
8.1 ......... 98,7 Singapore
在这种情况下，对目标进行编
浏览 0提问于2021-04-19得票数 1
5回答
我正在尝试对某些分类列执行一次热编码。从我正在学习的教程中，我应该在一次热编码之前做LabelEncoding。我已经成功地执行了标签编码，如下所示
#categorical data
categorical_cols = ['a', 'b', 'c', 'd']
from sklearn.preprocessing import LabelEncoder
# instantiate labelencoder object
le = LabelEncoder()
# apply le on categorical feature
浏览 0提问于2020-04-05得票数 21
回答已采纳
1回答
这个热吗？
、、
阅读：
它声明“使用一个热的，也就是一个K的方案来编码分类整数特征。”
这是否也意味着它只编码了一个单词列表？
一种热编码的维基百科定义( )
在自然语言处理中，一个热向量是一个1×N矩阵(向量)，用于区分词汇表中的每个单词和词汇中的每一个单词。该向量由所有单元格中的0组成，唯一用于识别单词的单元格中的单个1除外。
在下面运行代码似乎LabelEncoder不是一个热编码的正确实现，而OneHotEncoder是一个正确的实现：
import numpy as np
from sklearn.preprocessing import MultiLabelBinarizer
from num
浏览 0提问于2018-05-29得票数 1
回答已采纳
2回答
为什么树组不需要一次热编码？
、、、、
我知道像随机森林和增强树这样的模型不需要对预测器级别进行一次热编码，但我并不真正理解为什么。如果树是在特征空间中分割的，那么是否存在固有的排序呢？这里一定有我遗漏的东西。
让我更困惑的是，我遇到了我正在研究的一个问题，尝试在分类特性上使用一次热编码，而在R中使用xgboost将其转换为整数，使用一次热编码的泛化错误稍微好一些。
然后我又取了一个变量，做了同样的测试，结果正好相反。
有人能帮我解释一下吗？
浏览 0提问于2017-04-02得票数 8
回答已采纳
我想使用Keras to_categorical一次对我的数据框中的多列进行单热编码。该怎么做呢？ need_to_encode = ['Item_Fat_Content', 'Outlet_Location_Type', 'Outlet_Type', 'Outlet_Size', 'Item_Type_Combined', 'Outlet'] 这些是我需要进行一次热编码的列。
浏览 19提问于2019-05-06得票数 4
回答已采纳
我是否可以使用OneHotEncoder对类别列中的select值进行一次热编码，而不是构建密集的ndarray，然后删除不必要的列？ 例如，如果名为color的分类列有三种颜色，分别表示红色、绿色和蓝色，而我只想对其中的两个值进行热编码，表示为“红色”和“绿色”，我该如何使用OneHotEncoder进行编码呢？ 我是ML的新手，所以我也想知道做这样一个有限的热门编码是不是明智和常见的事情，特别是处理具有太多分类值的列？ 提前谢谢。
浏览 29提问于2020-09-04得票数 1
回答已采纳
我是一个学习机器学习的初学者。 我尝试做一些模型(FNN)，这个模型有太多的输出标签，不能使用one-hot编码。 你能帮我一下吗？ 我想解决这个问题:标记数据是针对水果的： 类型(苹果，葡萄，桃子)，质量(好，正常，差)，价格(昂贵，正常，便宜)，大小(大，正常，小) 因此，如果我进行单热编码，数据大小最大为3*3*3*3，81 我认为标签数据看起来像4个单热编码序列数据。 有没有办法让标签数据在小维，而不是81维一热编码？ 我认为二进制编码也可以使用，但认识到在神经网络中使用二进制编码存在一些缺点。 谢谢:D
浏览 22提问于2019-12-13得票数 0
回答已采纳
我认为这个问题是不言而喻的。但是，假设您有一些带有分类数据的特性的数据，并且在构建模型时(例如，XGBoost )，您可以使用一个热编码的分类特性。现在，您希望使用保存的模型根据测试数据进行预测。显然，测试数据需要一次热编码，并且需要具有与训练集相似的特性。问题是，是否有可能找到一种方法，而不是一种热编码测试数据，并直接使用它进行预测？这有可能吗？
在我看来，无论在我保存的模型中出现了什么，都需要像在训练期间使用的那样，即一个热编码特性！但是这并不整洁，尤其是在构建小部件和仪表板时！
如有任何评论或提示，敬请见谅。
浏览 0提问于2018-01-18得票数 1
回答已采纳
1回答
如何为未知数据集进行一次热编码，该数据集可以迭代和检查数据集的类型，并通过检查列的唯一值来执行一次热编码，以及如何用原始数据集跟踪新的热编码数据？
浏览 0提问于2020-07-10得票数 5
回答已采纳
我的模型是基于决策树算法的，因此我想避免一个热编码器，因为它会增加训练时间。我知道一种技术，我知道不是采用一个热编码，而是我可以选择类别的概率相对于我的分类output.But我不知道如何应用概率部分。
浏览 33提问于2020-03-27得票数 0
3回答
例如，如果我的训练数据中有分类值(1,2,3,4,5)，那么一个热编码将给我5 cols。但在我所拥有的测试数据中，假设5个值中只有4个--即(1，3，4，5).So一个热编码--如果我将经过训练的权重应用到测试数据上，我将得到一个错误，因为在列车和测试数据中，cols的尺寸不匹配，dim(4)!=dim(5).Any建议我如何处理丢失的col值？我的代码的图像如下：
浏览 13提问于2017-11-23得票数 9
回答已采纳
3回答
我正在做一个样本项目，其中一个特点是一个人的工作描述(例如:蓝领，退休，不知名，失业，学生等等)。由于将来可以使用更多的职务说明，我不认为一种热编码是最好的方法。您如何在不使用热编码的情况下对其进行编码？
浏览 0提问于2019-04-25得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
