1回答
在我的一个.py文件中，我创建了一个模型，并保存了它的.pkl文件，以便以后用于分析。模型是使用这个kaggle情感数据集https://www.kaggle.com/shivamburnwal/speech-emotion-recognition中的代码形成的，问题是当我使用这个代码的模型来检测新音频的情感时，输出是一种热门的</e
浏览 30提问于2021-07-19得票数 0
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
浏览 19提问于2019-10-02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
浏览 1提问于2018-07-17得票数 3
1回答
我有一个带有非序数分类特征的数据集。在训练机器学习模型(线性SVC)之前，转换它们(编码+缩放)的最佳方法是什么？标签编码-这是有效的。但是缩放没有意义，因为特性中的不同类别没有任何特定的顺序。
One--热编码--特性中有上千种独特的类别，这使得ML模型通过创建数千列而变得
浏览 0提问于2020-11-26得票数 0
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。
提前谢谢。
浏览 0提问于2019-04-25得票数 3
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，
浏览 29提问于2020-09-04得票数 1
回答已采纳
我有一个分类数据集，其中有很多分类列。我有一个热编码的.我训练中的虚拟变量。如何在ML的生产端处理这个问题。有些情况下，未来数据集中存在数据漂移，这些数据集可以在训练模型期间引入新的外部类别变量。我所做的是，在对所有特性进行热编码之后，我保存了分类列，并将这些列保存为泡菜文件，然后加载了泡菜文件，以匹配部署期间的生产设置特性，并
浏览 0提问于2022-04-06得票数 1
1回答
我想做一个只有元数据(年龄，性别)作为输入的多层感知器。经过一些研究，我决定了一个由500个神经元组成的完全连接层，然后是大小为8的softmax层(有8个类别)。我已经使用一种热编码将元数据排列在数组中。一个数组的大小为6。前两列与性别相关，其他4列与年龄相关。下面是一个示例：[[0 1 0 0 1 0 ], #female, age 15
[1
浏览 0提问于2021-05-07得票数 0
1回答
我希望使用目标编码，使用类别编码器学习库。我真的不明白为什么有必要在交叉验证循环中将其作为sklearn管道中的一个步骤吗？然而，看看我下面的结果，这不说明是否过份合适吗？
📷
浏览 0提问于2020-12-07得票数 0
1回答
在磁盘上保存的随机森林模型以及使用完全相同的数据集进行预测时，我在复制结果时遇到困难。换句话说，我用dataset A训练一个模型，并将它保存在我的本地机器上，然后加载它并用于预测dataset B，每次我预测dataset B时都会得到不同的结果。我知道随机森林分类器涉及的随机性，但据我所知，这种随机性是在训练期间，一旦模型创建，预测不应该改变，如果您使用相同的数据进行预测。== 0").count()
浏览 3提问于2020-08-07得票数 1
回答已采纳
1回答
model.trainable_weights)loss_fn = tf.keras.lossees.get("categorical_crossentropy")optimizer.apply_gradien
浏览 2提问于2020-11-09得票数 2
回答已采纳
1回答
我的数据包含了多个分类feature.The特征空间是医学症状，因此这个特征的数据如下：“发烧”，“疼痛”，“黄色皮肤”。 .The的症状观察量每个样本是不固定的，我有大约50个不同的症状。我如何将这个特性编码成ML模型可以处理的东西？数组中症状的顺序并不重要。
我尝试了一个热编码，但将50个类别级别的特征空间投影到50个指标中意味着丢失信息(有
浏览 0提问于2019-01-10得票数 1
回答已采纳
2回答
我有1000万个分类变量(每个变量有3个类别)。对这1000万个变量进行编码以训练深度学习模型的最佳方法是什么？(如果我使用一个热编码，那么我最终将拥有3000万个变量。此外，只有一个输出的嵌入层没有任何意义(它类似于整数编码，并且这些类别之间没有顺序)，而有两个输出的嵌入层也没有太大区别。通常，当类别数较多时，我们使用嵌入层)
浏览 6提问于2020-10-17得票数 0
关于一个热门的特性编码，我有两个问题：(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
浏览 0提问于2021-06-11得票数 2
当试图使用pyspark的OneHotEncoder ()为分类特性生成一个热编码向量时，会发现一个奇怪的问题，在这种情况下，单个热向量似乎缺少某些类别(或者显示时格式可能很奇怪？)。在对数据进行其他预处理之后，尝试通过以下方法将分类和二进制(只是为了实践)特性编码为1热向量。，SparseVector(S, {i1: v1}, {i2: v2}, ..., {in: vn})意味着一个长度S<em
浏览 0提问于2018-07-31得票数 1
回答已采纳
我在tensorflow中有一个具有6个隐藏层的卷积神经网络，目前我有两个分类类，但在最后的密集层(softmax激活函数)。因为我有两个类，所以我在输出层需要两个神经元，但每当我放入两个神经元时，我就会得到错误： ‘ValueError: logits和labels必须具有相同的形状((None，2) vs (None，1))’ 然而，它在一个神经元上工作得很好。这是我创建模型的代码： import tensorflow as tf
import t
浏览 18提问于2021-08-28得票数 0
我不知道ML.NET CategoricalOneHotVectorizer是如何工作的，从它们的示例代码来看，{};通常，在Pytho
浏览 0提问于2018-10-11得票数 1
回答已采纳
1回答
如何为多输出数据集创建分类模型？
、、、、
📷两个目标变量都是有序的，因此我想在这两个目标变量上建立一个多类分类模型。但是，我不知道在模型创建过程中从哪里开始。
浏览 0提问于2020-08-04得票数 0
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
浏览 0提问于2021-07-14得票数 1
5回答
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
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
腾讯会议
云直播活动推荐
腾讯云开发者
