我正在尝试使用scikit DataFrame中的one-hot编码从以下学习中对4个类进行分类： K T_STAR REGIMEfrom sklearn.preprocessing import,
0. ]]) 因此，一次性<e
浏览 16提问于2020-04-02得票数 0
回答已采纳
1回答
当使用scikit的分类器-学习多类问题时，是否需要用一种热编码对标签进行编码？例如，我有3个类，在将这些数据输入不同的分类器以进行培训时，简单地将它们标记为0、1和2。据我所知，它似乎运转正常。但是，有什么理由不推荐这种基本编码吗？
有些算法，如随机森林，本机处理分类值。对于logistic回归、多层感知器、高斯朴素Bayes和随机森林等方法，如果我没有弄错的话，这些方法似乎是本机处理分类值。这个评估是正确的吗？
浏览 1提问于2018-07-25得票数 3
回答已采纳
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)。trainy安装到logisticRegresion，即-> lr.fit(trainX，trainy)时，我得到了一个因此，我知道我必须给出形状的值(1600,1)，但是通过一次热编码，我已经根据一个热编码的概念<e
浏览 0提问于2019-11-04得票数 0
回答已采纳
1回答
线性回归中的虚拟变量陷阱
、、、
在处理范畴变量时，虚拟变量陷阱是一个常见的线性回归问题，因为一个热编码引入了冗余，所以如果我们的范畴变量中有m个类别，我们通常会删除一个虚拟变量，使之具有m-1虚拟变量，而不是m个虚拟变量。这背后的原因可以从Jason Brownlee的“机器学习的数据准备:数据清理、特性选择和Python中的数据转换”一书中引用，第245页：
例如，在线性回归模型(以及具有偏倚项的其他回归模型)的情况下，一个热编码将导致输入数据的矩阵变得奇异，这意
浏览 0提问于2022-10-02得票数 2
2回答
< renovated < new在逻辑上是正确的一种分类数据的热编码分类示例：一次后的数字格式-热编码：0
浏览 5提问于2015-12-04得票数 3
回答已采纳
1回答
预测具有类别的数据集中的连续输出
、、、、
让我们这样说:我正在做一个机器学习项目，我正在处理一个4250,13形状的数据集，它已经被归为7类了！请注意，不能将这些类别视为预测器。下面是如何将我的数据分组到类别特性‘FAC’中：FSTA 19.151644 % of the datasetPPSE 4.814422 % of the dataset我有一个连续的输出，我想预测'CGPA'，所以任
浏览 0提问于2017-07-23得票数 1
1回答
X的表示形式是一个由99个长的n个滑动窗口组成的立方体，每个整数被编码成一个128元素长的热编码向量。这个数组的形状是(n，99,128)。Y的形状为(n，128)。我认为这是一个多类的问题，因为Y可以有一个结果。
这在Keras/Tensorflow中很好，但是当我尝试从scikit中使用RandomForest时，它会抱怨输入向量是3D的而不是2D的。据我从了解到，应该使用维度# samples *#类返回数组，所以在我的shape示例<
浏览 0提问于2018-10-21得票数 1
回答已采纳
从来看，DecisionTreeClassifier似乎支持多类特性。
这在科学学习决策树中得到支持吗？
浏览 7提问于2013-09-11得票数 7
回答已采纳
2回答
编码多类响应变量
、、
当响应变量有多个类时，例如“晴天”、“多雨”、“多云”时，我们应该如何编码它？我知道，对于这样的预测器，我们通常使用一次热编码，如果一个预测器有太多的类，那么我们可能只使用LabelEncode。当这个多类问题发生在响应变量中时，我想我们可以只使用LabelEncode()，而可以使用一个热编码，对吗？因为如果我们使用一个热编码，那么我们将有两个变量作为响应变量，
浏览 0提问于2017-04-19得票数 4
1回答
分类特征编码
、、、、
分类列包括两个类的列，如性别(男性、女性)和多类列(如位置)。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LabelEnco
浏览 0提问于2022-01-20得票数 1
我试图在一个小数据集上进行逻辑回归，其中每个实例用一个分类变量(男性、女性)和一个连续变量(频率在0，1之间)和因变量(标签)分别表示为0或1。因此，任务是一个二进制分类问题。13 Female 0.21 0我的问题是:在执行逻辑回归时，我是否应该对我的连续变量和分类变量进行不同的编码？这些变量中的任何一个都需要特殊的编码<
浏览 0提问于2019-05-18得票数 1
2回答
犯罪模式KMeans
、、、、
我想在数据库里找到犯罪记录中的模式。我认为聚类是一种方法。聚类(K-均值)是正确的选择吗？而且，所有的变量都必须是数值的吗？如果是这样的话，我不知道如何将它们编码成数字。有什么想法？
浏览 0提问于2018-01-19得票数 1
2回答
如何处理连续值和二进制目标？
、、、、
我有一组连续的特性，如LoanAmount，LoanDuration(多类？)，.无论合同是否被起诉，ClientIncome、ClientFreeSources等都是一个二进制目标。我可以将目标重新定义为有限的数值，如5，11，18，…我认为，在Server端进行一些工作之后，它可能会被模型精确地定义为多类，或者转换为在DebtAmount中表示的连续值。我也想知道如何处理高卡的分类功能，如邮政编码，因为新的虚拟变
浏览 0提问于2019-03-07得票数 0
回答已采纳
1回答
有如下数据:这是为一个真正的问题准备的。
:代表一天的类型；国定假日和宗教holidayHour :从0到23.Temreat的一天中的时间: period.DE的温度:目标变量。然而，在使用这些模型之前，我知道我必须准备数据集。对于这个部分，我有点困惑于某些特性。以下是我计划为每个功能做的事情。Month:使用一次热编码，如一月将是[0 0 0 0 0 0 0 0 0 0 0 1]，二月将是[0 0 0 0 0 0 0 0 0 0 1 0] etc.Week
浏览 1提问于2021-09-19得票数 0
DecisionTreeClassifier不能接受一个热编码类？
但是从这个页面它应该支持？
浏览 0提问于2023-01-18得票数 0
回答已采纳
比如说，一次热编码是表示一系列对象(如服装项目)的完美方式。伊:帽子是，领带是。
如果客户花了一定的钱，我想预测他们买了什么，这将作为神经网络的一种投入。举个例子，顾客花22美元。考虑到22美元的投入，什么是使神经网络输出的最佳方式--比如显示其预测值为2 hats和1领带？据我所知，二进制交叉熵对于多标签问题是有益的，但在同一标签不止一次发生时，我找不到如何应用这个的例子。我能想到的唯一解决办法是把它变成一个回归问题，但是这样做似乎很糟糕，因为这是一
浏览 0提问于2019-04-18得票数 2
回答已采纳
1回答
回归模型间的选择
、、、
这是我第一次尝试在Keras中使用机器学习。与其他算法相比，我需要使用这种算法的一个缺点。在这种配置中没有什么可预测的。我将生成一组包含每一种可能情况的4D (input,output)数据。我希望AI“评估”一些输入，并返回相应的输入集的输出，换句话说，是为了记住数据和输出相同的数字。
浏览 0提问于2020-06-24得票数 3
我成功地从YouTube中抓取了数据集，还发现了0(负)和1(正)形式的YouTube注释的情绪。使用一个热编码器对我的.I的文本数据进行编码，并以numpy数组的形式输出。现在我的问题是如何在逻辑回归中将numpy数组作为输入(X)？下面是我的代码、输出和csv(1874X2)。 目标变量为Comments_Sentiments ? preprocessing.OneHotEncoder()
onehotlabels
浏览 7提问于2020-01-21得票数 0
我使用来自sklearn库的sklearn和MultiOutputClassifier，以便使用LR进行多标签分类。the data contains only one class: 0
这对我来说毫无意义，因为x_train有形状(2210,2000)，而y_train有形状(2210，58)，这意味着它有58个类。
浏览 18提问于2022-04-13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
腾讯会议
云直播活动推荐
腾讯云开发者
