虚码/R中少于2级的变量的一次热编码
虚码是指在机器学习和数据分析领域中，对于某个特征的取值进行编码的一种方法。具体地说，虚码是将一个特征的取值扩展为多个新的二进制特征，用于表示原始特征的不同取值。这种编码方式可以提供更丰富的信息，帮助机器学习模型更好地理解特征之间的关系。
一次热编码是虚码中的一种常见方式，也被称为one-hot编码。对于一个具有N个不同取值的特征，一次热编码将该特征扩展为N个二进制特征，其中只有一个特征为1，其余特征为0。每个特征表示了原始特征的一个取值。
一次热编码的优势在于能够保留原始特征的信息，并且在特征之间建立了明确的关系。它适用于机器学习算法对于分类变量的处理，能够将分类变量转化为数值型变量，方便计算机进行计算和分析。
虚码和一次热编码在很多场景下都有广泛的应用。例如，在自然语言处理中，将单词进行虚码和一次热编码可以方便地表示文本信息；在推荐系统中，对用户的兴趣爱好进行虚码和一次热编码可以用于计算相似度和推荐相关内容；在图像识别中，对图像的标签进行虚码和一次热编码可以用于分类任务等。
腾讯云提供了一系列与虚码和一次热编码相关的产品和服务：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了丰富的机器学习工具和算法，可以方便地进行数据预处理和特征工程，包括虚码和一次热编码。
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）：提供了多种人工智能服务，包括自然语言处理、图像识别等领域，其中包含了对文本和图像数据进行虚码和一次热编码的功能。
总结：虚码和一次热编码是机器学习和数据分析中常用的编码方式，能够有效表示分类变量的取值，提供丰富的信息并帮助模型理解特征之间的关系。腾讯云提供了相关的机器学习和人工智能平台，可以方便地进行虚码和一次热编码的操作。
相关·内容
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
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
1回答
梯度升压与编码类型
、、、
我正在查看这个材料，我发现了以下声明：
对于这类模型梯度升压机算法，即使排序是任意的而不是单一的热编码，它在计算效率上也是安全的，使用任意整数编码也称为数字编码作为分类变量。
你知道一些支持这一说法的参考资料吗？我知道数字编码比单热编码计算效率更高，但我想知道更多关于它们在梯度增强方法中编码无序范畴变量的等价性的假设。
谢谢!
浏览 0提问于2020-07-21得票数 4
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
我一直在尝试在R中查找ordered和无序factor变量之间的区别，特别是?factor文档中的这一行让我感到困惑：
Ordered factors differ from factors only in their class, but methods and
the model-fitting functions treat the two classes quite differently.
我最接近于找到答案的是以下三个问题的答案：
在对上述第一个问题的回答中，@joran说：“统计差异的详细总结可能远远超出了StackOverflow答案的范围。”
这里我
浏览 1提问于2014-09-30得票数 5
回答已采纳
如果测试数据仅包含用于训练xgboost模型的特性子集，这是否是一个问题？我的所有预测变量(1除外)都是因素，所以在将其转换为xgb.DMatrix之前先进行一次热编码。因此，不同级别的因素变量成为特性，而我的测试并没有所有这些特性，只有一个子集。
目前，当我在R中的测试数据上运行我的模型时，我遇到了一个错误：“存储在对象和新数据中的特性名称是不同的！”
我是新来的，所以任何帮助都会很感激。谢谢!
浏览 0提问于2019-06-14得票数 2
回答已采纳
1回答
我们通常对名义数据进行一次热编码，以便更合理地计算特征或权重之间的距离，但我经常听说，基于树的模型，如随机森林模型或增强模型，不需要进行一次热编码，但我搜索过互联网，不知道，有人能告诉我为什么或指导我找出原因吗？
浏览 3提问于2017-07-17得票数 1
回答已采纳
3回答
当一些自变量是分类的而另一些自变量是连续的时，机器学习算法和预处理的选择如何变化？这样的数据能直接应用到使用一次热编码转换分类数据的算法中吗？
例如，有2列是:年龄和种族，年龄是连续的，种族是绝对的。
更新:不知道连续变量的理想桶。
浏览 0提问于2019-02-22得票数 4
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
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
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
3回答
我注意到，当在特定的数据集(矩阵)上使用一种热编码并用作学习算法的训练数据时，与使用原始矩阵本身作为训练数据相比，它在预测准确性方面提供了明显更好的结果。这种性能提升是如何实现的？
浏览 6提问于2013-07-04得票数 132
回答已采纳
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
1回答
在一个训练集的基础上，我们对一些所有都是数字的属性应用了一个简单的线性回归。
现在，我们在类别方面有了更多的属性，当然，我们使用了一个热编码来将类别转换为二进制属性。
以这个简单的python代码为例：
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size = 0.8, test_size=0.2)
model = LinearRegression(normalize=True).fit(X_train, y_train)
printErrorMetrics(trueTargets=y_test, pred
浏览 0提问于2016-10-20得票数 6
回答已采纳
我在python中创建了一个简单的Keras深度学习模型。训练中变量的总no为195，而未见的测试数据为181，所有输入字段都是分类的(由一个热编码转换)。由于看不见的测试数据有一些不同的类别，这就是为什么在一个热编码字段与train不匹配的原因。
因此，在对未见测试数据进行预测时，模型给出了以下误差。有什么出路吗？
ValueError: Error when checking input: expected dense_30_input to have shape (195,)
but got array with shape (181,)
浏览 0提问于2019-06-21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
3回答
是否需要对此数据集进行热编码？
、、、、
下面是来自UCI数据存储库的数据集。我想要建立一个回归模型，将血小板计数作为因变量(Y)，其余作为特性/输入。
然而，像贫血、性别、吸烟和DEATH_EVENT这样的分类变量很少出现在数字形式的数据集中。
我的问题是：
在建立回归模型之前，应该对这些变量进行“一次热编码”吗？，我还观察到值在不同的范围内，所以在应用回归模型之前，我是否应该缩放数据集？。
浏览 4提问于2020-07-06得票数 1
我正在尝试创建一个等待函数，它不会调用该函数并继续读取其余的代码，而是在执行下一行代码之前等待设定的时间。我可以使用IEnumerator并使用yield return new WaitForSeconds(WaitTime)，但是在调用它时，它将跳到下一行代码中，而无需等待WaitForSeconds()完成。还有其他功能吗？
浏览 4提问于2022-04-15得票数 0
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
从其他熊猫栏创建新栏目
、、、
我想从列创建一个新的列。“类型”列包含一个或多个类型，我希望为每个类型名称创建一个列。然后，我想在每个专栏中填写1和0，这取决于它们是否有这种类型。
在下面的图片中，Dataframe应该是这样的。
我对此毫无头绪。
使用一个热编码器或熊猫假人功能立即不起作用，因为我得到了这样的东西
我不需要这样的东西
浏览 6提问于2022-05-12得票数 0
回答已采纳
我需要在我的熊猫数据框架上对分类变量进行一个热编码。
我的数据集非常大，超过2000年的产品is 是一个热编码。
我试过pd.get_dummies，它总是崩溃。
我也尝试了科学工具包-学习的OneHotEncoder，也崩溃了！(它可以很好地处理较小的dataframe子集)
还有什么其他方法吗？对于非常大的数据集来说，对一个热门的分类变量进行编码的最有效的方法是什么？
我的数据框架：
Month User ProductID
1 A ProdA
3 A ProdB
11 A ProdC
12 A
浏览 9提问于2020-04-03得票数 1
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
2回答
分类为一种热编码-大数据
、、、、
我有一个销售数据集，其中包括作为输出的二元标签-“商业赢”和“商业损失”我们的产品。
我们有一批一级客户(让我们称他们为千斤顶)，我们与他们做生意。然后这些千斤顶把我们的产品卖给最终的客户(让我们称之为玫瑰)。
这些销售数据包括销售标识、产品标识、产品名称、产品类型、市场细分(如APAC、EMEA等)、杰克id、杰克类别、杰克区域、玫瑰id、玫瑰类、玫瑰区域、项目id、项目名称等。
一个千斤顶可以在多个不同的项目(相同或不同的玫瑰)中销售相同的产品。
正如您所看到的，我的大部分输入变量本质上都是绝对的。
我想知道影响商业结果的特征是什么？那是赢还是输？
如果是生意上的输赢，我想找出原因(使用石
浏览 0提问于2021-12-31得票数 2
回答已采纳
我正试图预测一篇文章或一篇文章将使用NN的数量。
我有一个包含大约70,000行和2列的dataframe："text“(文本的谓词-字符串)和”like“(目标-连续int变量)。我一直在阅读NLP问题中采用的方法，但对于NN的输入应该是什么样子，我感到有些困惑。
以下是我迄今所做的工作：
文字清理:删除html标签，停止词，标点符号等.
下大写文字列
标记化
莱曼化
堵住
我已经将结果分配给了一个新的列，所以现在我有了"clean_text“列，上面所有的内容都应用于它。不过，我不知道该怎么做。
在大多数NLP问题中，我注意到人们使用单词嵌入，但据我所理解，这是一种尝试预测
浏览 0提问于2020-08-02得票数 1
在这篇HERE文章中，他们讨论了如何在R中对单因子变量进行单热编码。我想知道如何反向处理这个问题，并从单热编码某些属性的变量中获得单个因子？
浏览 22提问于2020-10-07得票数 3
回答已采纳
2回答
虽然在应用线性模型之前标准化一个热编码特性可能没有任何附加价值，但这样做是否有任何危害(即影响模型性能)？
标准化定义:分别使用(x -均)/ std使特征均值和std 0，1)
我更喜欢在一次热编码之后对我的整个训练数据集应用标准化，而不是只将它应用于数字特征。我觉得这会大大简化我的管道。
例如，如果我有一个二进制特性，那么将提供给模型的向量是1，1，0，0，1。
如果在拟合模型之前对此二值特征进行标准化处理(减去平均值= ~0.57，除以std =~ 0.49)，则向量将成为
0.8660254，0.8660254，-1.15470054，-1.15470054，-1.15470054，0
浏览 0提问于2020-08-13得票数 7
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
我有一个很大的数据集，我计划对其进行逻辑回归。它有很多分类变量，每个变量都有数千个特征，我计划对这些特征使用一个热编码。我将需要以小批的方式处理数据。我的问题是，如何确保在第一次运行期间，一个热编码可以看到每个分类变量的所有功能？
浏览 0提问于2014-07-26得票数 2
4回答
对大量值进行一次热编码
、、、、
如果一个分类变量可以接受的值数目很大，我们如何使用一个热编码？
在我的例子中，它是56个值。因此，按照通常的方法，我必须在训练数据集中添加56列(56个二进制特征)，这将极大地增加复杂性，从而增加培训时间。
那我们如何处理这类个案呢？
浏览 0提问于2015-10-03得票数 8
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
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
请帮助回答这个问题或向我指出任何资源。
在一个使用新数据进行培训并在培训完成后丢弃数据的环境中，存在一个模型。这种情况一直在循环中发生。因此，我们处理允许“部分拟合”的模型。
在该模型中，存在一个训练变量X，这是一个范畴变量。X有一些已知的C类，其编码为长度D的“一个热向量”。
现在假设我们正在观察X的一个新类别，所以我们需要将C的编码扩展到长度D+1。
问题是，如何做到这一点，而又不损失所有以前通过模型学到的知识。
再次培训不是一个选项，因为我们已经放弃了所有以前持有的数据，并且只有新的数据可以用于培训。
更新一个-热编码以说明新的类别已经有了一个问题，答案是要么使用整个数据来创建“一个热编
浏览 0提问于2018-03-19得票数 5
2回答
我使用sklearn-learn在python中构建了一个随机森林，并对所有分类变量应用了“一热”编码。问:如果我将"one hot“应用到我的DV，我是将它的所有虚拟列都作为DV应用，还是应该以不同的方式处理DV？
浏览 4提问于2018-12-03得票数 3
SubjectAltName包含ASCII码和UTF8字符的混合，例如：
6DC3C16E -m(小写a带急性)n
我正在使用X509_NAME_oneline解析并获得混合转义序列，如'm\xC3\xA1n‘
有没有openssl函数可以返回完整的UTF-8字符串？
谢谢
约翰
浏览 0提问于2013-02-20得票数 2
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
我在一个数据集中有几个高基数变量，并希望将它们转换为虚拟变量。它们都有500多个等级。当我使用熊猫get_dummies时，矩阵变大了，我的程序崩溃了。
pd.get_dummies(data, sparse=True, drop_first=True, dummy_na=True)
除了使用一种热编码之外，我不知道更好地处理高基数变量的方法，但是它极大地增加了数据的大小，以至于内存无法处理它。有没有人有更好的解决方案？
浏览 1提问于2016-12-07得票数 0
1回答
嗨，我正在做一个电影推荐系统，我的数据集里有80.000部电影。问题是，就像成千上万的导演，这是一个问题，当我把一部电影描绘成一个向量。电影的特点之一是导演，我不希望我的电影向量像5000长。任何地方都建议使用一种热编码，但我想做一些其他的事情，使我的电影向量的长度变小。我听说过整数编码，但我从未见过它的例子，也没有建议过它。我脑海中有一件事，就是创造一个小的间隔，从0到5，假设我有6000名董事，我将把第一名导演分配到0，下一名董事将被分配到0+6/6000，第三名将被分配到0+2×6/6000等等，但是我有很多疑问。你有什么建议吗？我是个新手，对这个话题不太熟悉。
浏览 0提问于2021-04-27得票数 1
我试图对一些文本数据进行RNN分类器的训练。
事实：
--我一直试图以为例，但是这个示例使用的是通过tensorflow_dataset包下载的数据，而我有一个本地的数据集。I以文本(X)和一个热编码数组(Y)的张量来提供数据。I偏离了这个示例，将损失改为分类交叉熵，并将最终的稠密层设置为激活softmax和32维。32是每条热编码线的长度。我想这就是我想要的最终输出。I得到一个错误：
问题：
为什么我会得到1的形状在这个模型的任何地方？有什么是我遗漏的吗？
model = tf.keras.Sequential([
train_encoder,
tf.keras.layers
浏览 1提问于2021-06-17得票数 0
回答已采纳
2回答
在进行回归分析时，我试图完全理解分类数据和序数数据之间的区别。就目前而言，清楚的是：
分类特性和数据示例：
颜色:红色，白色，黑色
为什么分类：red < white < black在逻辑上是不正确的
普通特性和数据示例：
状况:旧的，翻新的，新的
为什么序数：old < renovated < new在逻辑上是正确的
分类到数值和序号到数字的编码方法：
一种分类数据的热编码
序数数据的任意数
分类示例：
data = {'color': ['blue', 'green', 'green', 're
浏览 5提问于2015-12-04得票数 3
回答已采纳
我必须扩展我的modifier以支持不同数量的输入参数。作为Java的现代语言支持varargs参数，但我在solidity中没有看到有关它的任何信息。
这里是关于输入参数的不确定信息，不受限制，也可以限制在16个参数以内。
你对这个问题了解得多吗？是否可以将varargs定义为function或modifier的输入参数？
浏览 0提问于2022-12-14得票数 0
回答已采纳
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
我有一个带有序数features.Each特性的数据集，可能有6到7个级别。基于我对R的搜索，如果你有序数数据，rpart对序数和标称的处理方式不同。https://stats.stackexchange.com/questions/94502/decision-tree-splitting-factor-variables
但是现在我正在用Python实现决策树，没有任何东西可以与rpart相比来处理序数数据。Python似乎不能很好地处理分类数据，我不得不使用一种热编码。在这种情况下，级别1到级别2到level3......to级别6的顺序就会消失。
https://stackoverfl
浏览 0提问于2019-09-05得票数 0
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
1回答
我想要读取和打印文本文件来控制台，所以我这样做了下面的代码
File file = new File("G:\\text.txt");
FileReader fileReader = new FileReader(file);
int ascii = fileReader.read();
while (ascii != -1)
{
result = result + (char) ascii;
ascii = fileReader.read();
}
System.out.println(result);
虽然我得到了正确的结果，但在某些情况下，我会得到一些奇怪的结果。假设我
浏览 5提问于2015-06-23得票数 1
回答已采纳
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
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
2回答
背景:我正在使用一个名义特性变量cancer_type和5不同的类来开发一个机器学习模型。
对此特性列进行一次热编码，将在新的数据框架中生成5列，每个类对应一个列。这些列链接的信息在此过程中丢失，因为模型无法知道它们引用的是相同的原始特性。列在某种意义上独立于模型的角度，而我们知道存在依赖关系。(任何一个热编码列中的1都要求所有其他列都必须有一个特定培训示例的0。)
问:单一热编码会导致信息丢失吗？
浏览 0提问于2022-12-09得票数 0
我第一次使用泰坦尼克号的数据集来尝试sklearn pipeline。我想首先计算Embarked中的缺失值，然后执行一次热编码。在Sex属性中，我只想做一次热编码。因此，我有以下步骤，其中两个步骤是针对Embarked的。但它并没有像预期的那样工作，因为除了输出中所示的一个热编码之外，Embarked列仍然存在(列具有'S')。 如果我在单个步骤中对Embarked执行补偿和一次热编码，它就会像预期的那样工作。 这背后的原因是什么，或者我做错了什么？此外，我也没有找到任何与此相关的信息。 categorical_cols_impute = ['Embarked
浏览 14提问于2021-01-04得票数 1
回答已采纳
1回答
假设我有一个数据帧，其中包含肯塔基州的邮政编码和介于-1和1之间的值。我想将它们绘制为肯塔基州的热图，其中-1表示渐变的最低颜色，1表示最高颜色。
我如何在R中做到这一点？我使用的是R Studio 1.3.959 (R版本3.6.3)。
浏览 6提问于2021-09-01得票数 0
在8051存储体(00h至1Fh)中，8051向4个存储体中每一个提供32个寄存器作为8个寄存器(R0_ t0 _ R7)。为什么不将这些寄存器作为R0提供给R31？
提前谢谢..
浏览 1提问于2013-09-27得票数 0
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
实时音视频活动推荐
腾讯云开发者
