1回答
我想从分类数据中创建即时编码数据，您可以在这里看到。Clothing Black Footwear2 0 0 1 有没有办法让每个标签只有一个虚拟变量列？贝斯特，贝尔纳<e
浏览 9提问于2020-11-04得票数 1
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
1回答
这个热吗？
、、
阅读：
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
浏览 0提问于2018-05-29得票数 1
回答已采纳
2回答
我在这里有点困惑，我有一个对所有<10个唯一值low_cardinality_cols的分类列进行了热编码，并删除了用于训练和验证数据的其余分类列。现在，我的目标是将我的模型应用于test.csv中的新数据。对测试数据进行预处理以匹配训练/验证格式的最佳方法是什么？我担心的是：
对于这些列，
浏览 7提问于2019-12-23得票数 2
回答已采纳
2回答
我是数据科学领域的新手。
我有一个数据集，其中既有数字的，也有字符串的，有趣的事实是，这两种类型的数据对结果都有意义。，data.The。如何从数据集中选择相关特征？我是否应该使用LabelEncoder并将数据从字符串转换为数字，然后继续进行关联？我走的路是对的吗？有没有更好的方法来解决这场危机？
浏览 21提问于2021-05-20得票数 0
回答已采纳
我有pandas代码，其中我对one-hot编码执行以下操作。df_tmp = pd.DataFrame(mlb.fit_transform(df['CatData']), columns=mlb.classes_, index=df.index) 其中，我的CatData列包含类别列表。为了处理更大的数据集，我尝试使用dask。大多数pandas功能都有一个简单的替代方法。然而，one-hot编码是棘手的
浏览 8提问于2019-09-20得票数 1
2回答
我正在尝试用python实现多类感知器。当涉及到多分类时，我已经完全理解了感知器算法的概念，但仍然对我们应该从训练数据中提供的特征向量感到困惑。
这个问题只是一个文本(文档)分类问题。我正在尝试在文本预处理阶段使用单字词频作为感知器的特征。当我基于每个训练文档中的词频为每个文档构建特征时，构建的特征恰好是非常稀疏的(文档中出现的每个标记的词频为0，没有出现
浏览 7提问于2020-02-13得票数 0
1回答
我有一个包含两个分类列的dataframe，其中包含一组相同的字符串，我希望对其进行单热编码。确定列可以包含的字符串集，并且两列之间的one-hot编码必须一致。这两列都包含所有可能的值，甚至多次包含。
在下面的示例中，我将编码器放在一个包含列可以包含的字符串集的</
浏览 4提问于2019-10-30得票数 0
回答已采纳
1回答
我检查了所有的应用程序接口，但找不到一种将矢量映射到word的方法，无论是在word2Vec中还是在glove中。谷歌帮不了那么多忙。
有人知道怎么做吗？但到目前为止，我发现的实现都是使用one-hot编码。因此，我想尝试使用glove嵌入，并使用输出映射回单词。
浏览 5提问于2018-03-14得票数 0
2回答
我正在训练一个使用LSTM对文本进行分类的网络。我为单词输入使用了一个随机初始化的可训练嵌入层。网络使用Adam Optimizer进行训练，并使用one-hot编码将单词输入网络。我注意到嵌入层中表示的单词数量对训练时间有很大影响，但我不明白为什么。将网络中的单词数量从200'000增加到2'000'000几乎使一
浏览 25提问于2019-01-17得票数 0
我仍然对一个热门的编码器感到有点困惑。我只是在想，如果我们在拆分之前进行编码，就不应该有任何“信息泄漏”到测试集中。那么，为什么人们提倡在编码之后进行编码呢？不是只用于将分类变量转换为二进制的热门编码器吗？我只是想知道什么是行业标准。
谢谢
浏览 0提问于2019-11-28得票数 1
我尝试在这里使用One-Hot对蘑菇数据集()进行编码。下面是我使用的编码代码(在Python中)：second_df = OneHotEncoder(handle_unknown='ignore').fit_transform(new_df)我的代码的结果如下图所示，这让我非常困惑
浏览 0提问于2021-04-21得票数 2
我正在尝试解决一个简单的多类分类问题。但不知何故，我得到了这个错误。当我使用单层和2个神经元时，程序可以工作，但结果并不好，但这没有意义，因为这是一个多类问题，所以输出层应该在输出端有4个神经元。我认为我在这里做的是一个非常愚蠢的错误。下面是我的代码。
浏览 28提问于2020-04-05得票数 0
3回答
我有一个关于随机森林的问题。假设我有关于与项目交互的用户的数据。项目的数量很多，大约有10000个。我的随机森林的输出应该是用户可能与之交互的项目(比如推荐系统)。对于任何用户，我都希望使用一个功能来描述用户过去与之交互过的项目。然而，将分类产品特征映射为一次性编码似乎非常低效，因为用户最多与几百个项目交互，有时甚至只有5个项目。当输入特征之一是具有大约10,000个可能值的分类变量，而输出是具有大约10,000个可能值的</
浏览 0提问于2017-09-27得票数 3
例如，如果我为这些值训练模型Column1 = D , Column2 = E , Column3 = F , Label = 20如果我想要预测呢？模型对此做了什么？
浏览 1提问于2018-08-13得票数 0
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”。到目前为止我的代码如下： X = df.loc[115:305]
y = df.loc[
浏览 324提问于2021-04-13得票数 0
回答已采纳
1回答
我在许多博客中看到，人们使用one_hot (来自tf.keras.preprocessing.text.one_hot )将单词字符串转换为表示索引的数字数组。这并不能保证单一性。更新:我知道哈希在One_hot中用来将单词转换成数字，但并没有意识到它的重要性，因为我们可以使用tokenizer类来更准确地做同样的事情。
浏览 22提问于2020-12-23得票数 0
我知道决策树有基尼系数计算的feature_importance属性，它可以用来检查哪些特征更重要。但是，对于scikit-learn或Spark中的应用程序，它只接受数字属性，所以我必须将字符串属性转换为数字属性，然后对其进行one-hot编码器。当特征被放入决策树模型时，它是0-1编码的，而不是原始格式，我的问题是，如何解释原始属性的特征重要性？在尝试解释特性重要性时，我应该避免使用on
浏览 2提问于2016-10-14得票数 11
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
