我是Pytorch的新手。我学到了一些关于如何使用pytorch构建一个简单的NN模型的教程，例如(this one)。我发现他们更喜欢用nn.Embedding来编码分类特征。我的问题是：(1)为什么不使用一个热编码？(2) nn.Embedding是随机初始化的，我认为嵌入的数值不会被训练，因为它们被视为输入。如果nn.Embedding随机初始化分类特征，是
浏览 33提问于2020-09-11得票数 1
我正在处理一个使用图形数据的节点分类问题。通过简单地将网络应用于单个节点(例如，忽略图形结构)，我使用了PyTorch对节点进行分类，并使用PyTorch几何方法应用GNN (例如GCN)对节点进行分类。是否可以将PyTorch中的模型作为PyTorch几何中的最后一层？我对这将如何工作感到有点困惑，因为对to
浏览 0提问于2022-12-16得票数 1
回答已采纳
在中，它教如何开发一个简单的编码器-译码器模型，并注意使用pytorch.然而，在编码器或解码器中，定义了self.embedding = nn.Embedding(input_size, hidden_size在中，nn.Embedding被定义为“存储固定字典和大小的嵌入的简单查找表”。因此，我感到困惑的是，在初始化过程中，这个查找表来自哪里？它是否为索引初始化了一些随机嵌入，然后对它们进行训练？
浏览 6提问于2020-10-05得票数 0
回答已采纳
1回答
我们知道，在数据挖掘中，我们经常需要对分类特征进行一次性编码，因此，一个分类特征将被编码为几个"0/1“特征。有一个特例让我感到困惑:现在我的数据集中有一个分类特征和一个数字特征，我将分类特征编码为300个新的"0/1“特征，然后使用MinMaxScaler对数字
浏览 2提问于2018-12-03得票数 0
1回答
属性的特征缩放
、、、
我使用两个要素来训练分类模型，例如要素A和B。要素A比要素B更重要。要素A具有序数数据，因此我对其进行了标注编码，其值范围为1到5。要素B也是分类要素，并且在标注编码后对其进行了热编码 由于上述编码，特征A具有从1到5的值，而特征B具有多列，并且每个列值要么为0，要么为1。现在，在我的模型训练之后，我的模型过于偏向于特征A，因为它的值范围是1到5
浏览 26提问于2020-01-03得票数 1
我正在尝试训练一个神经网络来对一系列的单词进行分类。根据我试图复制的一篇论文，我需要同时拥有令牌级嵌入和字符级令牌嵌入。例如，以这句话为例：我需要两个嵌入-一个是用于令牌级嵌入的普通nn.Embedding层(非常简单！)：另一个是字符级的BiLSTM嵌入：
[[T,h,e], [s,h,o,p], [i,s], [o我试着用PyTorch</em
浏览 0提问于2020-12-03得票数 0
1回答
不兼容的行维度
、、、
我们的任务是对所有文本和分类特征进行编码，并再次将它们组合成数据矩阵，但我得到了错误的不兼容的行维度。我到目前为止的工作：<code>A0</code><code>A1</code>
浏览 16提问于2021-03-14得票数 0
回答已采纳
我有一个包含2个数字描述性特征和3个分类描述性特征的数据集。我已经对分类特征进行了编码，并对神经特征进行了缩放。现在我想使用混合朴素贝叶斯分类器，该分类器包含用于分类特征的Bernoulli NB和用于数值特征的高斯NB。我曾尝试在sklearn模型中使用StackingClassifier的
浏览 0提问于2020-06-06得票数 0
1回答
我正在寻找一种方法来实现在Pytorch中使用LSTM层实现word嵌入网络，这样nn.Embedding层的输入与单词I的向量具有不同的形式。嵌入层的作用是进行一些自动的特征缩减/提取。
如何向嵌入层提供这样的表单数据？或者你有什么更好的建议？
浏览 3提问于2019-10-08得票数 0
回答已采纳
1回答
在CNN分类模型训练中，在计算损失时，我在PyTorch中对图像应用编码jpeg压缩。当我调用loss.backward()时，它还必须通过对图像执行的编码和压缩操作进行反向传播。这些压缩算法(例如编码和JPEG压缩)是否是可微的，否则如何通过这些操作反向传播损失梯度？
如果这些操作不是可微的，那么在执行H.264编码和JPEG压缩的PyTorch中是否存在可微压缩算法？
浏览 9提问于2020-04-10得票数 2
一直是对所有这些信息进行编码的有用工具。我计划使用经过训练的模型对新的/未见的索赔数据进行预测，这些数据将在每天的基础上进行评分。我将对每日提取的索赔数据进行散列，这些数据具有相同的哈希维度，因此，在对模型进行培训的特征数量与每日提取的特征数量之间没有差异，允许我使用经过训练的模型对传入的索赔数据进行预测。是否以相同的方式对这些信息<e
浏览 0提问于2020-04-27得票数 0
我使用scikit learn中的OneHotEncoder，使用one-hot of-K方案对我所有的分类整数特征进行了编码。根据结果，实际影响预测模型的参数只有51个。我想研究这些参数，但它们的编码方式如上所述。你知道如何提取哪个分类整数特征对应哪个热编码数组吗？谢谢!
浏览 0提问于2015-11-28得票数 0
1回答
我有一个数据集，其中x形状是(10000,102300)，例如(样本，特征长度，尺寸)和y(10000)，这是我的二进制标签。我想使用多头注意力使用PyTorch。我从PyTorch上看到了文档，但没有解释如何使用它。如何使用我的数据集进行分类使用多头注意力？
浏览 3提问于2022-09-30得票数 0
我有一个数据集，其中包含15个分类特征(2和3个级别因素，这是不序数)和3个连续的数字特征。鉴于大多数机器学习算法都需要将数字数据作为输入特征，并且实际上自动地对其进行一次性编码(随机森林、glmnet等)，那么在数据预处理过程中不应该执行一次热编码来探索编码特征数据之间的关系吗？还是最好先探索原始分类数据之间的关系，然后在运行算法之前才进行编码？
基本上，我的问
浏览 0提问于2020-07-31得票数 5
回答已采纳
2回答
我正在对与房屋有关的数据进行线性回归分析。现在我有23个特征。其中一些明显是序号(例如年份、房间数、楼层)。有些特性是绝对的，我对如何在编码为数字格式时如何处理它们感到困惑。我对使用哪种编码方法犹豫不决:一次热编码(用于分类)或只是序号映射(序数数据)。我知道，像肤色、性别、地区、国籍这样的分类特征显然必须用虚拟编码来编码。同样清楚的是，这样的分类</em
浏览 0提问于2015-12-07得票数 0
回答已采纳
2回答
我的预测模型中既有分类特征，也有连续特征，我希望选择(和排序)最重要的特征。
我使用一个热编码将所有的分类变量转换为虚拟变量(为了更好地解释我的logistic回归模型)。一方面，我使用LogisticRegression (sklearn)，并通过使用它们的系数对最重要的特征进行排序。通过这种方式，我将分类变量和连续变量都视为最重要的特性。另一方面，当我想<em
浏览 0提问于2020-01-15得票数 9
回答已采纳
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
分类编码前后的标准化？
、、、、
所以我有一个训练集，它只有一个分类特征和4个可能的值。我已经使用了一对k分类编码方案来处理它，这意味着现在我的Pandas DataFrame中还有3列，其0/1取决于当前值。DataFrame的其他特征主要是位置和价格的纬度-经度等距离，所有这些都是数字的。
应该标准化(均值和单位方差为零的高斯分布)，并在分类编码前后进行规范化吗？我在想，在编码后进行规范化可能是有益的
浏览 0提问于2017-11-13得票数 8
回答已采纳
1回答
我正在尝试将CatBoost应用于我的一个列，以获取分类功能，但得到以下错误： CatBoostError: Invalid type for cat_feature[non-default value我可以使用one-hot编码，但这里的许多人说CatBoost似乎更好地处理这一点，并且不太容易过度拟合模型。 我的数据由三列组成，“国家”、“年份”、“电话用户”。
浏览 324提问于2021-04-13得票数 0
回答已采纳
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
