请问，独热编码后的数据怎么使用

番茄炒蛋加鸡腿进步哥 2019-05-07 12:18:36

比如，下面将语言独热编码之后，这里面的xarr是什么

...全文

635 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

adult 数据集的任务是预测一名工人的收入是高于 50 000 美元还是低于 50 000 美元。这个数据集的特征包括工人的年龄、雇用方式（独立经营、私营企业员工、政府职员等）、教育水平、性别、每周工作时长、职业，等等。这个数据集需要自己在网上下载，在百度里搜即可，其他博主已经整理好了下载的链接。

一、问题由来最近在做ctr预估的实验时，还没思考过为何数据处理的时候要先进行one-hot编码，于是整理学习如下：在很多机器学习任务如ctr预估任务中，特征不全是连续值，而有可能是分类值。如下：　　　　分类变量（定性特征）与连续变量（定量特征）。我们训练模型的变量，一般分为两种形式。以广告收入增长率为例，如果取值为0-1之间任意数，则此时变量为连续变量。如果把增长率进行分段处理，...

独热编码适用于无序分类变量，将每个分类变量转换为二进制向量，保留了分类变量之间的无序关系。标签编码适用于分类变量之间存在一定的顺序关系，并且分类变量的取值较少的情况。标签编码不会引入高维度的特征空间，因此在特征空间较大的情况下，标签编码可能更加高效。特征空间：独热编码会引入更高维度的特征空间，特别是在有多个分类变量的情况下，而标签编码不会引入高维度的特征空间。可以看到，原始的离散值变量被转换为了二进制向量，每个向量的长度与原始变量的取值个数相等。可以看到，原始的离散值变量被转换为了对应的整数值。

R语言使用caret包的dummyVars函数自动对训练数据集中的因子（factor）变量进行独热编码（one hot encoding）

R语言使用caret包的dummyVars函数自动对训练数据集中的因子（factor）变量进行独热编码实战

37,737

社区成员

34,208

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章