为什么我们在R的model.matrix函数中提到-1？这是因为一个热编码，还是有其他原因？
在R的model.matrix函数中提到-1是因为热编码（One-Hot Encoding）的需要。
热编码是一种将分类变量转换为二进制向量的技术，用于在机器学习和统计建模中处理分类特征。在模型训练过程中，许多算法无法直接处理分类变量，因此需要将其转换为数值特征。热编码通过为每个分类值创建一个二进制变量来实现这一转换，其中只有一个变量为1，其余变量为0。
在R中，model.matrix函数用于将数据集中的自变量转换为模型矩阵。当我们在model.matrix函数中提到-1时，它表示我们希望自动创建热编码变量，并且不包括原始分类变量的一个水平。这是为了避免多重共线性问题，因为完整的热编码会导致模型矩阵中存在线性相关的列。
举个例子，假设我们有一个名为"color"的分类变量，它有三个水平："红色"、"蓝色"和"绿色"。如果我们在model.matrix函数中使用formula ~ color-1，它将创建两个新的二进制变量："color蓝色"和"color绿色"。如果我们不提到-1，它将创建三个新的二进制变量，其中一个变量将被视为参考水平。
热编码的优势在于能够将分类变量转换为数值特征，使得机器学习算法能够处理这些变量。它可以捕捉到分类变量之间的关系，并且不引入偏见或顺序。热编码常用于回归分析、分类问题和特征工程中。
腾讯云相关产品中，没有直接对应热编码的产品，但可以使用腾讯云提供的机器学习平台Tencent ML-Explain进行特征工程和模型训练。您可以通过以下链接了解更多信息：https://cloud.tencent.com/product/tme
请注意，本答案仅供参考，具体使用时建议参考相关文档和实际需求进行操作。
相关·内容
我有一个函数，在这个函数中，我试图获得列的一次热编码。我的问题似乎与R如何解释从函数传入的列的字符串值有关：
function_notworking = function(data, col){
result = model.matrix(~col -1, data=data)
return(result)
}
# doesnt work
function_notworking(data=iris, col='Species')
但是，如果我这样做了：
model.matrix(~Species -1, data = iris) it does work just fine
浏览 2提问于2018-09-23得票数 0
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
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
我有一个6列的数据框架，
dat<-data.frame(x1,x2,x3,x4,x5,x6)
现在，我需要构建两个与交互术语相关的额外列，x1*x2和x3*x4*x5如何在R中实现这一点?当其中一些列(如x2 )是绝对的时，有什么特别的考虑吗？
浏览 3提问于2014-11-19得票数 0
回答已采纳
1回答
我希望这个问题不会脱离话题。我知道如何在R中编写一个虚拟变量，但是，我想知道是否可以在excel中创建它。假设我在一个颜色变量下有3种颜色(红色，蓝色，黄色)。R将将其作为一个具有3个级别的因素导入。
现在，如果我想在excel中这样做，我可以做3个新的预测器(而不是颜色，它们现在变成红色、蓝色和黄色)，并在红色列中放置一个1(如果红色的话)，或者0，等等。还是R会继续将其解释为3个单独的因素，每个因素有2个水平？
浏览 2提问于2016-08-02得票数 0
回答已采纳
我对我们有时对model.matrix的使用感到有点困惑。我知道这是为了构建一个设计矩阵( )，但是为什么我们不直接把列传递给glm呢？
我建立了一个小例子，试图找出任何不同之处，但两者似乎是等同的。有人能解释一下吗？
谢谢!
## Data prep
require(data.table)
require(ggplot2)
set.seed(200)
s = 204
dt = data.table(x1=seq(1,s),
x2=c(-3,0,3,9),
switch = c("Low","Zero",&
浏览 1提问于2017-05-24得票数 0
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
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
我有飞行数据的R数据集。我需要为这个数据集添加365列，如果条目的data[i]$FlightDate对应于该年的日期，则值为1，否则为0 ()。
以前，我使用lubridate从FlightDate字符串中提取了一年中的某一天。
data$DayOfYear <- yday(ymd(data$FlightDate))
我将如何生成每个365列，并且只保留这些列(以及其他列)以供将来的SVD使用？我实际上需要在一天中的时间重复相同的时间(我可能会分成30或10分钟的范围)，所以以后必须为一个不同的变量添加一个额外的48-120个热列。
注意:我的数据集包含每月大约500 k的航班(因此，
浏览 3提问于2016-01-16得票数 0
回答已采纳
我是数据科学的新手，我想在R中建立一个神经网络模型，我在训练前读过关于一个热编码分类数据的文章。但是，在尝试训练模型时，我尝试实现了以下错误：
Error in model.frame.default(formula = nndf$class ~ ., data = train) :
invalid type (list) for variable 'nndf$class'
我已经阅读了nnet文档，其中解释了应该将公式传递为：
class ~ x1 + x2
但我仍然不知道如何正确地传递数据。
以下是代码：
nndf$al <- one_hot(as.data.t
浏览 1提问于2020-04-23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
2回答
我是R的新手，我正在尝试对我的数据集执行回归，其中包括一家公司多年来在不同国家的月度销售数据。
在其他统计程序中，为了控制销售的季度周期性移动以及地区(国家)差异，我将创建虚拟变量，例如指示销售的季度和国家。
我的问题：
1)我看到在R中你可以将变量类型设置为'Factor‘。在这种情况下，我是否仍然需要创建指示国家/地区和月份/季度的虚拟变量，或者R已经以不同的方式对待因子变量，并在后台自动将它们转换为虚拟变量？
2)如果上述情况不是这样，并且我确实需要将我的值重新编码为0,1个虚拟对象，那么在R中有没有一种整洁的标准方法来做到这一点？
非常感谢你的帮助，祝你有愉快的一天！
趋势
浏览 15提问于2017-08-12得票数 3
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
1回答
将28级范畴变量转换为矩阵
、、、、
我有一个有一列公司的数据集，我将对这个数据集进行回归建模。
我应该使用model.matrix转换它，还是只在一列中将1-28的值赋值。
当lm函数能够处理它时，将它转换为28列有什么相关性？
浏览 0提问于2017-07-22得票数 1
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
1回答
我有*.png文件，我想在卷积神经网络的上下文中将图像转换成一个热编码。
我的照片是224x224。我搜索了很多在线参考资料，但我不太清楚如何将图像转换成一种热编码。我是逐行追加还是逐列追加？一种方法比另一种更好吗？
一旦我创建了一个热编码向量，就会应用规范化操作，例如将向量的每个值除以256(RGB的最大值)。这样可以防止数字爆炸并导致溢出。但是，我也看到从这个值中减去了一个0.5。为什么会这样呢？这有效地在[-0.5, 0.5]之间放置了值的范围。然而，在大多数凸网中，应用了一个ReLU层，它将使所有这些值都变为零或更大。所以，我搞不懂为什么要这么做。
最后，一旦我把图像转换成
浏览 4提问于2017-04-05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
我想知道为什么在下面的函数中，我使用带有CO2的基本R数据集Plant作为其数据列之一，我会得到以下错误：
Error in eval(predvars, data, env) : object 'Plant' not found
如何解决这个问题？
pc <- function(data, ref.variable){
as.data.frame(model.matrix(ref.variable ~ ., data = data))
}
pc(data = CO2, ref.variable = Plant) # Gives Error
## NOTE: it
浏览 1提问于2018-03-23得票数 1
回答已采纳
2回答
我试图用逻辑回归模型来拟合我的数据，使用glmnet (用于lasso)和插入符号(用于k倍交叉验证)。我尝试过两种不同的语法，但它们都会引发错误：
fitControl <- trainControl(method = "repeatedcv",
number = 10,
repeats = 3,
verboseIter = TRUE)
# with response as a integer (0/1)
fit_logistic
浏览 3提问于2015-06-20得票数 1
1回答
dt<- data.frame(year=factor(2000:2004))
我需要一个虚拟变量集，如下所示，
dt.dummy <-matrix(c(0,1,1,1,1,0,0,1,1,1,0,0,0,1,1,0,0,0,0,1), nrow=5)
也就是说，没有虚拟的去年，2004年和假人是由增加的一年。
我将使用季度数据，因此至少有120个观测数据。
浏览 3提问于2016-02-03得票数 2
回答已采纳
from sklearn.feature_extraction.text import CountVectorizer
from keras.preprocessing.text import Tokenizer
我正在阅读一些NLP教程，并意识到有些教程使用CountVectrizer，有些教程使用Tokenizer。据我所知，我认为他们都使用单一热编码，但请有人澄清这一点。
我不明白为什么CountVectorizer不用于深度学习模型，如RNN，Tokenizer()不用于ML分类器，如支持向量机、朴素贝叶斯。
谢谢
浏览 0提问于2021-01-29得票数 2
回答已采纳
如何处理XGBoost在R中的应用？我对此有一个问题，因为当一个分类类型的数据列没有包含它的所有可能值(模型说明了这些值)时，我会得到一个错误：“存储在object和newdata中的特征名称是不同的”。
我知道如何通过以不同的方式准备输入数据来解决这个问题，即添加足够数量的虚拟变量来覆盖我打算考虑的所有类别变量的所有可能值。例如，如果我想要使用的特征F的值为'a‘、'b’或'c'，我将使用XGBoost is_a、is_b和is_c创建一个is_c模型。那么，如果在我的输入数据(我想应用该模型)中，特征F只带有'b‘或'c’值，那么我仍然在使用
浏览 2提问于2019-10-01得票数 0
回答已采纳
1回答
二进制数而不是一个热向量
、、、
在进行logistic回归时，通常使用一个热向量作为期望的结果。那么，no of classes = no of nodes in output layer.我们没有在词汇表中使用单词索引(或一般的类数)，因为这可能会错误地表示两个类的接近程度。但是为什么我们不能用二进制数代替一个热向量呢？
也就是说，如果有4个类，我们可以将每个类表示为00、01、10、11，从而导致输出层中的log(no of classes)节点。
浏览 0提问于2016-10-23得票数 7
回答已采纳
我在这里读到的答案很少，但我恐怕找不到答案。
我的R代码是：
colors <- bmw[bmw$Channel=="Colors" & bmw$Hour=20,]
colors_test <- tail(colors, 89)
colors_train <- head(colors, 810)
colors_train_agg <- aggregate(colors_train$Impressions, list(colors_train$`Position of Ad in Break`), FUN=mean, na.rm=TRUE)
co
浏览 0提问于2016-12-06得票数 1
回答已采纳
我试图运行脊/套索与glmnet和onehot包，并得到一个错误。
library(glmnet)
library(onehot)
set.seed(123)
Sample <- HouseData[1:1460, ]
smp_size <- floor(0.5 * nrow(Sample))
train_ind <- sample(seq_len(nrow(Sample)), size = smp_size)
train <- Sample[train_ind, ]
test <- Sample[-train_ind, ]
############Rid
浏览 2提问于2021-03-01得票数 3
回答已采纳
为什么我们在stats包的model.matrix函数公式中提到-1。 training_matrix <-model.matrix(Survived ~.-1, data = training) 在这种情况下使用标准的titanic数据集。 还有一些文档说，只要我们在数据集中正确地声明了因子和数字，就可以使用带有-1表示法的model.matrix执行一次热编码。 代码如下 data_1_matrix <-model.matrix(~.-1, data = data_1) 这个-1到底是做什么的？
浏览 89提问于2020-11-23得票数 2
回答已采纳
1回答
假人包中的NAs
、、
我在虚拟包中使用R dummy.data.frame函数为我的因子的k级创建虚拟变量。不幸的是，我的因素有NAs。当我使用dummy.data.frame时，它会创建没有NAs的k个假人，并创建一个新的假人，它用1标记缺失的值。但是，我仍然希望在k个假人中有NAs，而不是一个缺失值的虚拟。
这个功能有可能吗？你知道还有什么能帮助我的功能吗？
浏览 2提问于2014-02-19得票数 1
回答已采纳
1回答
我有一个由数列给出的因子向量。这些因素也存在于单独的数据seta中，称为test_set和train_set。下面的代码是查找数据集中的因子在因子向量中匹配的位置，并将1放在矩阵的位置。将这个矩阵compound_test乘以test_set$Compound会给出compare_comp。
test_set <- data.frame(Compound=letters[sample(1:3,10,replace = TRUE)])
train_set <- data.frame(Compound=letters[sample(1:3,10,replace = TRUE)])
c
浏览 0提问于2019-12-19得票数 1
回答已采纳
1回答
我一直在阅读R用来拟合广义线性模型(GLM)的，因为R的源代码是免费的。所使用的算法被称为迭代重加权最小二乘(IRLS)，这是一个相当有文献记载的算法。对于每次迭代，都会调用一个Fortran函数来求解加权最小二乘问题。
例如，从最终用户的角度来看，对于逻辑回归，R中的调用如下所示：
y <- rbinom(100, 1, 0.5)
x <- rnorm(100)
glm(y~x, family=binomial)$coefficients
如果您不想使用拦截，这两个呼叫都可以：
glm(y~x-1, family=binomial)$coefficients
glm(y~x+0,
浏览 2提问于2010-06-25得票数 2
回答已采纳
在我的3D游戏中，有300个类别的生物可以属于。我想教我的RL代理根据它最接近的10个怪物来做决定。
到目前为止，我的神经网络输入向量是十个300维一维热编码向量的级联.如果我有10个40维向量，那就太棒了。
那么，是否有可能通过自动编码器传递一个300维的一维热编码矢量，从自动编码器的中间抓取它的压缩版本(嵌入)？
这将允许我将几个这样的压缩嵌入连接成一个“总”输入(十个级联的40D向量)，而不膨胀这个总输入向量。
在我的游戏中，每一个热点都应该代表一个不同的类别.我的分类在任何方面都不相关.
( 1)它是有效的，还是会像标签编码那样引入不必要的假设？
2)如何训练这种自动编码器？我可以简单
浏览 0提问于2018-08-06得票数 4
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
1回答
如果每个状态都有一个最优动作，那么最优动作分布向量就是一个热向量，类似于[0,0,1,0,0,0]。但是对于像A2C这样的算法，我们使用一个softmax来获得一个分布，这意味着要得到一个0，你需要e^x = 0，这是不可能的。
那么我们为什么不使用另一个激活函数呢？还是我只是遗漏了什么？
浏览 0提问于2022-11-06得票数 0
我知道，在训练机器学习算法之前，我们必须先对分类数据进行一次热编码.但我的问题是，我们是否需要手动删除一列，还是由sklearn来完成？
浏览 2提问于2018-06-05得票数 2
回答已采纳
我正在使用以下代码运行多重回归：
model = lm(Price ~ factor(Make) + Cylinder + Liter + Doors + Cruise + Sound +leather, data=kuiper)
我得到了summary(model)的输出，没有任何错误。
当我在模型中使用分类变量时，我可以得到方差分解表的输出，但是当我在模型中有分类变量时，我不能使用perturb包中的colldiag函数来产生方差分解表(VD表)的输出。
R抛出以下错误：
print(colldiag(model))
Error in v^2 : non-numeric argument
浏览 12提问于2014-09-04得票数 2
5回答
我试图使用这数据来使用回归来生成数据分析报告。因为回归只允许数字类型，所以我需要对分类数据进行编码。然而，其中大多数具有15种以上的独特价值，如国家。
我还在使用一种热编码吗？还是有别的选择？在此数据集上使用回归是个好主意吗？
浏览 0提问于2020-12-24得票数 8
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
3回答
我目前有一个有260,000行和50列的dataframe，其中3列是数字，其余的是分类的。我想要对分类列进行热编码，以便执行PCA并使用回归来预测类。我如何在R中实现下面的例子？
Example:
V1 V2 V3 V4 V5 .... VN-1 VN
to
V1_a V1_b V2_a V2_b V2_c V3_a V3_b and so on
浏览 1提问于2017-04-24得票数 4
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
我知道在训练机器学习算法之前，分类数据应该是一个热编码。对于多元线性回归，我还需要排除其中一个编码变量，以避免所谓的虚拟变量陷阱。
例:如果我有“大小”：“小”、“中”、“大”的分类特征，那么在一个热编码中，我会有如下内容：
small medium large other-feature
0 1 0 2999
因此，为了避免虚拟变量陷阱，我需要删除3列中的任何一列，例如，列“小”。
对于神经网络的训练，我也应该这样做吗？还是这纯粹是为了多元回归？
谢谢。
浏览 9提问于2017-11-04得票数 11
回答已采纳
3回答
我有一个很简单的任务，我很难进行循环。
所以，让我们假设我有这个tibble：
library(tidyverse)
dat <- tibble(player1 = c("aa","bb","cc"), player2 = c("cc","aa","bb"))
这里，我的目标是创建三个新列(对于我拥有的每个唯一的" player“)，如果player是"player1"，则为该列赋值1，如果player为"player2”，则为其赋值-1，否则为0。
之前，我一
浏览 0提问于2020-09-02得票数 4
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
我发现R中的插入符包对查看建模的重要性变量非常有帮助。但是，我的数据集中有所有分类变量，在本例中，'varImp‘命令返回因子变量的每个标签的变量重要性。我只想确定重要的不同变量列表，而不是标签。 library(caret)
logit <- glm(Life.Insurance.Owner~., data = train, family = 'binomial')
summary(logit)
varImp(logit,scale=FALSE)
浏览 16提问于2019-06-18得票数 0
1回答
我对R相当陌生，最近开始使用它来分析一些微阵列数据。分析的总体目标是取DC2，并比较该人群中WT组与KO组之间的差异。但我遇到了一些问题，在角膜缘处理。在使用oligo软件包处理数据之后，我尝试创建一个设计矩阵，以便使用limma进行分析。这是我的ExpressionSet of DC2的工作流程：
pData(DC2)
index filename genotype cell_type
1 KO DC2 2 HP10.CEL KO DC2
2 KO DC2 3 HP11.CEL KO DC2
3 KO DC2
浏览 1提问于2017-10-27得票数 4
回答已采纳
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
我正在学习R中的建模，尽管我阅读了文档，但对于modeling_matrix()在modelr包中所做的事情，我感到非常困惑。
model_matrix(data, formula)
data = your x and y variables in a dataframe/tibble
formula = the relationship between x and y so y~x or y~ I(x^2) + x
那么modeling_matrix()到底做了什么呢？它会自动为你找到价值吗？看起来并非如此，因为它会自动输入一列用于y截取，所以它不像为您计算y插入。
它似乎取了x值，并用它
浏览 2提问于2020-06-24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
我最近开始定期使用Ubuntu，并希望有一种方法来监控我的CPU温度。
我在网上做了安装lm传感器和做传感器检测的步骤。
这是传感器的输出-检测->。
传感器-检测版本3.6.0 #系统:戴尔公司戴尔G15 5515 1.5.0 #处理器: AMD 5500H与Radeon图形(25/80/0)这个程序将帮助您确定您需要加载哪些内核模块，以最有效地使用lm_sensors。它通常是安全的，并建议接受所有问题的默认答案，除非你知道你在做什么。一些南桥，CPU或内存控制器包含嵌入式传感器。你想扫描它们吗？这完全安全。(是/否)：硅集成系统SIS5595.不通过VT82C686集成传感器..。
浏览 0提问于2022-03-31得票数 1
我刚刚读过这个，它解释了二元交叉熵和分类交叉熵之间的区别，特别是，我对这张图片有一个疑问：
作者讨论了一个多标签的情况，你的目标(或地面真相)标签是一个热编码，但如果你的目标标签不是一个热编码，你会使用什么损失功能？例如，如果只有一半的熊猫在图像中，然后我将图像标记为1，0，0.5，那么在这种情况下，我还会使用二进制交叉熵吗？在目标向量不是二进制的情况下，数学是如何计算的？
浏览 4提问于2020-08-05得票数 1
现在，我在运行gam()时看到了一个警告。MWE如下：
library(gam)
data(Boston, package = 'MASS')
model.gam <- gam(formula = medv ~ crim + zn, data = Boston)
我收到的警告是：
Warning message:
In model.matrix.default(mt, mf, contrasts) :
non-list contrasts argument ignored
我认为这可能与最新的R发行版：model.matrix()函数的变化有关：。在运行RV3.5时
浏览 0提问于2019-08-26得票数 2
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
