特征编码-1

ShuYunBIGDATA 2023-01-13 00:30:33

课时名称	课时知识点
特征编码-1	特征编码-1特征编码-1特征编码-1特征编码-1

...全文

144 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

对特征编码有助于：处理无法量化的数据便于得到更优模型以更细粒度的处理我们的数据博主在学习中觉得，特征编码既是一种优势，又是一种束缚优势在于：同样是年龄这个维度，如果是在研究奶粉的问题中，我们拆解问题的粒度需要到：0-1个月，1-3个月，3-6个月，6-12个月…，但是研究青少年焦虑的问题时，就需要另一种编码方法，因此手动进行编码可以构造更细粒度的特征。束缚在于：编码其实是构造特征的一种，因此编码会放大某个维度的粒度，其他即便很重要的特征也会被掩盖光芒。尤其当数据维度太大时（常见于推荐系统维

对于一些特征工程方面，有时会用到LabelEncoder和OneHotEncoder。一、为什么需要这种编码方式在实际的机器学习的应用任务中，特征有时候并不总是连续值，有可能是一些分类值，如性别可分为“male”和“female”，如果我们用简单的0,1代替就会有问题，因为男女之间不存在大小关系。二. 为什么使用one-hot编码来处理离散型特征? 1.使用on...

前情提要：特征编码1 - 特征编码概述与分类：https://blog.csdn.net/weixin_35757704/article/details/123050687 无监督的含义是：特征编码时只根据自身的无监督输出1维按照本身的数据来进行编码，并且输出的结果是1维数据 1. 序数编码 Ordinal Encoding/Label Encoder 把同一个离散值用同一个整数表示 from sklearn.preprocessing import LabelEncoder label_df = L

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：目录第1章从文本中提取特征概述 1.1 概述 1.2 为什么不能采用ASCII编码 1.3 什么是特征 1.4 什么是特征提取 1.5要对文本进行编码，需要遵循几个基本的规则第2章特征提取方法：词频向量 2.1 什么是词频 2.1 英文词频向量(CountVectorizer) 2.2 中文词频编码第1章从文本中提取特征概述 1.1 概述有时候，给定的样本数据.

1. 特征编码的必要性当拿到的数据比较脏乱，带有各种非数字特殊符号，如中文。而实际上机器学习模型需要的数据是数字型的，因为只有数字类型才能进行计算。因此，对于各种特殊的特征值，都需要对其进行相应的编码，也是量化的过程。 2. 特征编码的类型 2.1 分类型特征的编码方式对于分类型数据的编码，通常会使用两种方式来实现，分别是：one-hot encoding 和 label-encoding。下面我们先介绍一下这两种编码 2.1.1 one-hot encoding独热编码 one-hot encodin

任大勇的课程社区_NO_4

3

社区成员

584

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

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章