1回答
我有一个PySpark DataFrame，它有一个列作为一个热编码向量。我想在群后通过矢量加法来聚合不同的热编码向量。PySpark和聚合操作不支持向量加法。
浏览 4提问于2016-12-07得票数 12
3回答
我在考虑对每个小时的“weather_forecast”特征进行一次热编码，然后将这些值相加。sunny10:00 sunny12:00 rain在一个热编码中这个编码有名字吗(我在网上找不到)。
浏览 24提问于2019-07-25得票数 1
回答已采纳
1回答
下面是一个场景：
我希望按列X分组，并将数字列按“平均值”聚合，一些列按“最后”进行聚合，而将热编码的列按“和”进行聚合。所有的方法都是一样的。由于我们讨论的是314列数据集，所以我不能只创建一个
浏览 1提问于2019-05-03得票数 0
1回答
我有一个带有(英国)邮政编码列和一个计数列的dataframe。postcode countPO167GZ 22L18JQ 38
我希望使用folium创建这个数据的热图，其中计数按照较大的(例如县级)地理多边形进行聚合。有几个将邮政编码映射到lat/long的，但是是否有将邮政编码映射到更大的英国地理区域(例如县级)的python库或资源？
浏览 2提问于2020-04-11得票数 0
回答已采纳
我已经对数据做了一些预处理(缺少值、类别聚合、选择序号和单热)。我正在尝试实现一个管道，以简化代码。管道由一个包含两个组件的ColumnTransformer组成:一个组件包含一个应用于数值和序号特征的标准定标器；第二个组件有一个用于其余特征集的一个热编码器。我将这个转换器传递给一个GridSearchCV对象来调优超参数。在这种情况下，它是一个套索模型。所以，我试着调整惩罚项的系
浏览 0提问于2020-03-18得票数 2
回答已采纳
2回答
聚合多个编码的分类值
、、、
我目前正在使用一个具有特征类别的数据集，其基数为20,000。一次热编码没有意义，它会增加太多的特征空间。我已经成功地对特性中的每个单独值进行了编码，但不确定如何为每一行聚合这些值。
如何组合这些编码值？
浏览 0提问于2020-03-26得票数 1
我有一个包含混合变量的非常大的数据集。我已经使用OneHotEncoding将分类变量转换为数值变量，它产生了超过几千个不同的特性，即组合。
浏览 0提问于2018-02-19得票数 8
回答已采纳
1回答
分类器编码
、、、、
我对编码(我不熟悉这些任务)的分类变量有一些疑问，以便将它们作为像logistic回归或支持向量机这样的模型中的参数。由于要使用分类器，我需要对分类字段进行编码，通过在sklearn中使用MultiColumnLabelEncoder，我已经尝试如下：
MultiColumnLabelEncoder(columns =然而，我明白，同样一个编码器应该更好。我还包括帐户，因为可能有更多的评论来自同一个帐户，所以如果我把一个帐户归类为假的，并且从同一个帐户收到一个<
浏览 0提问于2020-08-24得票数 1
回答已采纳
2回答
假设我有一个在中包含10000部电影的数据集，其中包含数据集的一个ercerpt我有一个代码要点，它加载我的数据集并对其执行一些更改。这里只使用一个类型列的子集。关于第一个问题，我在想Action 7.837500 103237
浏览 0提问于2018-10-11得票数 1
回答已采纳
1回答
一次热编码会导致很高的维度。我使用的方法是目标编码/均值编码。我理解如何使用这个分类功能是一个单一的选择(如当前的邮政编码)。但是，当这个功能可以从一个大的列表中获得多个值(例如最喜欢的爱好、疾病症状、大学课程)时，我不知道如何将这些价值观结合起来。我的直觉说，错误的方法是把每一个独特的组合作为自己的因素，并编码它，因为它会导致过度适应。想到的其他事情是简单的聚合，如sum/avg/积&
浏览 0提问于2019-04-09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。y_train_le = le.fit_transform(y_train)
y_t
浏览 4提问于2022-08-07得票数 -1
我正在处理一些问题，并对以下几点表示怀疑：array(['1 bath', 'na', '1 shared bath', '1.5 baths', '1 privateshared baths', '8 baths',如果我使用计数Vectorize将它们转换为
浏览 4提问于2021-01-10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？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
在我为它编写的程序中，我不需要使用"to_categorical“来对我的数据进行热编码，它仍然有效。当我尝试对它进行热编码时，它不起作用。我搞不懂为什么会发生这种情况，因为通常一个人应该对他们的输出进行正确的编码？如果有人能帮助澄清这一点，那就太好了！
浏览 7提问于2020-06-16得票数 0
回答已采纳
我想用Skitlearn训练和测试我的数据，但是我得到了ValueError:无法处理多类和多标签指示符错误的混合。这是我的代码： activation="logistic", max_iter=EPOCH_COUNT,
learn
浏览 2提问于2017-04-27得票数 0
回答已采纳
1回答
只有两个值的范畴变量
、、、、
我不确定是否使用“单热编码”或标签编码“方法”来训练我的模型。我正在研究一个分类问题，并使用一些有监督的机器学习算法。对于只有两个值的范畴变量，应该使用哪种方法来转换变量？
浏览 5提问于2019-12-05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
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
