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)。请给我你的意见。
浏览 6提问于2020-10-17得票数 0
1回答
我有一个数据集，其中包含编码为数值的分类变量、其他连续且有许多异常值的变量，以及具有相当正态分布的其他连续变量。我正计划使用sklearn预处理方法.PowerTransformer来对所有这些列进行转换，但也许只对那些没有正态分布的列和许多异常值使用它可能更有意义？这是一个分类问题(泰坦尼克号机器学习问题)。
浏览 0提问于2021-02-21得票数 1
回答已采纳
我有一个包含整数变量和分类变量的数据。是对所有变量(整数变量和范畴变量)进行标记编码，还是只对分类功能进行编码？
浏览 0提问于2019-01-31得票数 -1
回答已采纳
2回答
我看到许多特征工程在对象特征上都有get_dummies步骤。例如，将包含'M‘和'F’的性别列虚拟为两列，并在单热表示中标记它们。为什么我们不在性别栏中直接将'M‘和'F’设为0和1？虚拟方法在分类和回归模型中对机器学习模型都有积极的影响吗？如果是，原因是什么？谢谢。
浏览 2提问于2016-12-02得票数 0
我不确定输入观测矩阵X是否可以包含分类变量。我从这里阅读了说明：model = Lasso(fit_intercept=False, alpha=0.01)在上面的代码中，X是一个大小为n-x-p的观测矩阵，p个变量中的一个可以是分类类型吗
浏览 0提问于2019-11-16得票数 2
1回答
我有一个包含数字变量和分类变量的数据集。
在我将数据集与CatBoostClassifier相匹配之后，我希望提取整个特征集，并使用分类器决定对它们进行编码的任何方法中编码的分类变量。如何提取完全转换(编码)特性？(类似于fit_transform方法返回的内容)
浏览 0提问于2020-02-05得票数 5
回答已采纳
我有一个带有键属性和其他分类属性的Pandas DataFrame。如何使用此excel文件中的“字典”对分类属性进行编码？我希望对每个分类变量进行编码，例如，通过在excel文件的“variable”列中查找ACGB03A，并从“value”列中获取相应的整数值，从而从DataFrame中对它进行编码。“‘VARIABLE”是关键，“Value Scheme details”给出
浏览 11提问于2022-02-10得票数 0
回答已采纳
1回答
我有几个分类变量，并在h2o.gbm函数中使用选项categorical_encoding对这些变量进行编码。
在处理测试集中的预测时，我如何处理分类变量？似乎predict函数没有自动编码分类变量的选项。
浏览 0提问于2018-09-18得票数 0
1回答
任何地方都建议使用一种热编码，但我想做一些其他的事情，使我的电影向量的长度变小。我听说过整数编码，但我从未见过它的例子，也没有建议过它。我是个新手，对这个话题不太熟悉。
浏览 0提问于2021-04-27得票数 1
1回答
我有混合了连续变量和分类变量的数据。我计划对分类变量进行一次性编码，缩放数据集(mean=0，std=1)，然后执行主成分分析以减少维数。我需要知道在做PCA之前，我是否也应该对单热点编码变量进行类似的缩放？为此，我将使用python scikit-learn包。
浏览 0提问于2018-05-22得票数 2
1回答
在随机森林的Mllib版本中，有可能用参数categoricalFeaturesInfo指定具有名义特征(数值但仍然是绝对变量)的列，那么ML随机森林是什么呢？在用户指南中，它使用VectorIndexer来转换向量中的分类特征，但是它被写成“自动识别分类特征，并对它们进行索引”
I发现，在随机森林中，数字索引无论如何都被视为连续的特性，因此建议进行一次热编码以避免这种情况我还注意到，当分类列中有许多类别(>1000)时，一旦
浏览 1提问于2017-10-15得票数 6
回答已采纳
1回答
带范畴变量的线性回归
、、、、
我目前正在学习和探索机器学习，并了解基于两个数值变量的线性回归的基础知识，但现在我希望更进一步，并需要一些指导，了解如何去做。具体来说，我现在正在学习关于线性回归的范畴变量，我理解它的要点:我们只是将范畴变量编码成某种数值表示形式(比如一种热编码)，并将其放入模型中。太棒了。虽然网上有很多关于如何做各种编码方法的指南，但我还没有找到一个资源来解释这种方法的用例:在何种情况下使用分类数据来预测一个数值是有用的？
在进行编码之前，我应该使
浏览 0提问于2021-04-10得票数 1
2回答
范畴值的虚拟变量
、、、
许多人都做过类似的特征提取，
他们已将一些数字特征(年龄、费用)转换为使用带的标号(1、2、3)的分类类型。如果我们有分类值形式的所有特征，那么对模型的有效拟合有帮助吗？我一直知道，如果你有范畴值，你应该首先把它们转换成数字，而不是虚拟变量。但在解决方案中，它是不做的，是不是不需要假人呢？
浏览 0提问于2018-08-28得票数 2
5回答
培训数据包含数字类型的分类变量，例如邮政编码，91521,23151,12355，.，以及字符串分类变量，例如，城市“芝加哥”，“纽约”，“洛杉矶”，.为了训练数据，我首先使用“pd.get_dummies”来获取这些变量的虚拟变量，然后用转换后的训练数据对模型进行拟合。
我对我的测试数据进行同样的转换，并使用经过训练的模型来预测结果。Model n_features is 1487 and in
浏览 13提问于2016-12-26得票数 47
1回答
当您对分类变量进行一次性编码时，通常会在建模之前删除其中一个变量。这样，您就没有一个与其他特性线性相关的冗余特性。
是否有一种方法可以指定不应该用于拟合的范畴变量的级别？：“我们强烈建议避免对任意级别的分类列进行一次热编码，因为这样做效率很低，对于习惯于为其他框架手动扩展分类变量的用户来说尤其如此。
浏览 4提问于2018-02-23得票数 1
回答已采纳
1回答
可以将PCA应用于部分数据集吗？
、、、、
我正在使用kaggle数据集，它有超过130个特征，包括116个分类和14个连续特性。我绘制了14个连续变量的热图，发现它们大多与响应变量弱相关，但高度相关。我试图将PCA应用于数据的这一部分，并将它们作为列与分类变量结合在一起。这样做可以吗？或者我是否应该对分类变量进行一次热编码/标签编码，并对整个数据集进行pca？
浏览 0提问于2019-03-20得票数 1
回答已采纳
2回答
所以我有一个包含分类变量的数据集。我已经根据类别x的数量从0:x对每个类别进行了编码。我试图找到变量(数字和分类)与目标变量(也是分类变量，但已编码为0表示否，1表示是)之间的相关性。我已经能够对所有变量(大约有17个)运行此代码，它似乎确实起作用了，但我质疑相关性是否正确。我以前没有在我的数据集中计算过与分类变量的相关性，只想
浏览 2提问于2017-11-16得票数 0
3回答
当一些自变量是分类的而另一些自变量是连续的时，机器学习算法和预处理的选择如何变化？这样的数据能直接应用到使用一次热编码转换分类数据的算法中吗？更新:不知道连续变量的理想桶。
浏览 0提问于2019-02-22得票数 4
2回答
我希望使用Python对一些拥有大量分类变量的数据进行多元线性回归或Logistic回归。我知道，有一个范畴变量，我需要把它转换成一个虚拟，然后移除一种类型的虚拟，以避免冒充，然而，是否有人熟悉在处理多个类型的范畴变量时应该采取什么方法？
我对每个人都做同样的事吗？例如，将每种类型的记录转换为一个虚拟变量，然后为每个类型删除一个虚拟变量，以避免冒充？
浏览 7提问于2017-05-24得票数 1
回答已采纳
每当我们有需要预处理的数据集时，在将其输入到模型之前，我们会将分类值转换为数值值，通常使用LabelEncoding、一种热编码等技术，但所有这些都是手动遍历每一列的。但是，如果dataset在列方面是巨大的(例如: 2000列)，这里不可能手动遍历每一列，在这种情况下，我们如何处理编码？
是否有处理变量自动编码的特定库？我知道category_encoders，它提供了不同的编码技术，但我们如何在上述条件下做到这一点。
浏览 0提问于2020-11-05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
