机器学习之One-Hot Encoding详解
看到One-Hot-Encoding发现网上大多数说明都是来自于同一个例子,最后结果感觉出的好突兀,因此这里总结一下。很多机器学习任务中,特征并不总是连续值,有可能是分类值。
考虑以下三个特征:
["male", "female"]["from Europe", "from US", "from Asia"]["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]
如果将上述特征用数字表示,效率会高很多,例如:
["male", "from US", "uses Internet Explorer"] 表示为[0, 1, 3]["female", "from Asia", "uses Chrome"]表示为[1, 2, 1]
但是,转化为数字表示后,上述数据不能直接用在我们得分类器中。因为,分类器往往默认数据时连续的,并且是有序的。但按上述表示的数字并不是有序的,而且是随机分配的。解决上述问题的一种方法是采用One-Hot Encoding。
One-Hot Encoding ,其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。
例如:
自然状态码为:000,001,010,011,100,101独热编码为:000001,000010,000100,001000,010000,100000
对于每一个特征,如果它有m个可能值,那么经过One-Hot Encoding后,就变成了m个二元特征。并且,这些特征互斥,每次只有一个激活。因此,数据就会变成稀疏的。
这样的好处:
1. 解决了分类器不好处理属性数据的问题
2. 在一定程度上起到了扩充特征的作用
基于python和skLearn的简单例子:
encoder = preprocessing.OneHotEncoder()
encoder.fit([[0, 2, 1, 12],[1, 3, 5, 3],[2, 3, 2, 12],[1, 2, 4, 3]
])
encoded_vector = encoder.transform([[2, 3, 5, 3]]).toarray()
print("\n Encoded vector =", encoded_vector)#输出结果
Encoded vector = [[ 0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]#结果分析:
4个特征:
第一个特征(即为第一列)为[0,1,2,1] ,其中三类特征值[0,1,2],因此One-Hot Code可将[0,1,2]表示为:[100,010,001]
同理第二个特征列可将两类特征值[2,3]表示为[10,01]
第三个特征将4类特征值[1,2,4,5]表示为[1000,0100,0010,0001]
第四个特征将2类特征值[3,12]表示为[10,01]因此最后可将[2,3,5,3]表示为[0,0,1,0,1,0,0,0,1,1,0]
机器学习之One-Hot Encoding详解相关推荐
- 图解机器学习算法(6) | 决策树模型详解(机器学习通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/34 本文地址:https://www.showmeai.tech/article-d ...
- 图解机器学习算法(13) | 聚类算法详解(机器学习通关指南·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/34 本文地址:https://www.showmeai.tech/article-d ...
- 机器学习第五篇:详解决策树-CART算法
01|前言: 本篇接着上一篇决策树详解,CART是英文"classification and regression tree"的缩写,翻译过来是分类与回归树,与前面说到的ID3.C ...
- 机器学习经典算法决策树原理详解(简单易懂)
↑ 点击上方[计算机视觉联盟]关注我们 最经典的决策树算法有ID3.C4.5.CART,其中ID3算法是最早被提出的,它可以处理离散属性样本的分类,C4.5和CART算法则可以处理更加复杂的分类问题, ...
- 机器学习第四篇:详解决策树算法
01|背景: 我们在日常生活中经常会遇到一些选择需要去做一些选择,比如我们在找工作的时候每个人都希望能找到一个好的工作,但是公司那么多,工作种类那么多,什么样的工作才能算是好工作,这个时候就需要我们对 ...
- 机器学习之模型融合(详解Stacking,Blending)
模型融合 Ensemble Generation 常见模型融合的方法 boosting bagging Stacking blending 各种模型融合的区别 Bagging,Boosting二者之间 ...
- 机器学习实战 | LightGBM建模应用详解
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/41 本文地址:https://www.showmeai.tech/article-d ...
- 机器学习框架及评估指标详解
目录 机器学习的步骤 train_test_split函数的详解 机器学习评估指标 分类模型评估指标
- 【机器学习基础】EM算法详解及其收敛性证明
EM算法详解 (一)单高斯模型 1.1 一维高斯分布: 1.2 多维高斯分布: (二)最大似然估计 2.1 最大似然估计的数学概念: 2.2 最大似然估计的基本步骤: 2.2.1 构造似然函数: 2. ...
- 机器学习中的特征工程详解
转载请注明出处:http://blog.csdn.net/linxdcn/article/details/80866745 最近看完一本写特征工程的书,概念清晰,内容全面,所以总结如下读书笔记,书名: ...
最新文章
- pythondocx批量提取目录及内容_一个可以选择目录生成doc目录内容的小工具(三) -python-docx...
- OpenCV中的HOG+SVM在自动驾驶车辆检测中的应用实例
- implicit request ?
- 1.Hadoop的组成 HDFS YARN
- 李佳琦谈公益:时代成就了我 我也要回馈社会
- 王文汉:大学毕业后的5-10年最重要
- Java中Comparable和Comparator接口的区别
- oracle默认的优化器,Oracle优化器相关参数设置
- 从阿里云容器攻防矩阵API安全生命周期,看如何构建金融安全云原生平台
- java连接mysql(java连接mysql的jar包)
- 补鞋匠迈尔鲁夫的故事(二)
- 研究者们公布图像识别软件方面的最新进展
- 一文搞定bp神经网络,bp神经网络的实现
- 网络WIFI 无法连接 无法上网网络故障
- 服务器维护 志愿填报时间顺延,因系统维护 西藏高考志愿填报截止时间顺延两日...
- 定位、相对定位、绝对定位
- 计算机专业用苹果哪款笔记本,电脑太多,哪款最适合您?盘点9款最佳笔记本电脑,您中意谁呢?...
- linux cd联想,智能工具:Lenovo硬件诊断工具(Linux版本)
- Filter 实现CORS
- c#split方法拆分为数据_C#实现字符串按多个字符采用Split方法分割 | 学步园