知识卡片

普通读书笔记卡 · 6668.j.1 · 生成模型:未记录

类别编码要避免虚假距离

理解等级:中级

无序类别若直接编码成连续整数,会让距离计算误以为类别有大小和远近。独热编码把每类表示为一个单位向量;在同一编码尺度下,不同类别之间等距,减少人为顺序偏差。它会增加维度,也不等于解决输入特征本身的尺度问题。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 引言 / INTRODUCTION 向量 · 查看原书依据

      单纯的数字编码只能将鸢尾花种属转换为一维的量,因此我们必须使用像突显编码法、等边编码法这样可以添加额外维度的编码方法,以使各个种属编码结果间距相等。毕竟在分类鸢尾花的时候,我们并不希望由于编码方式而出现什么偏差。

    参考来源

    - 位置:《人工智能算法(卷2):受大自然启发的算法》引言 / INTRODUCTION,原书小节“向量”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/epub_0005.html#nav_point_15) - 结论依据:原文用鸢尾花说明种属与四项测量的处理区别,并要求编码后的类别间距相等。 - 原始内容:单纯的数字编码只能将鸢尾花种属转换为一维的量,因此我们必须使用像突显编码法、等边编码法这样可以添加额外维度的编码方法,以使各个种属编码结果间距相等。毕竟在分类鸢尾花的时候,我们并不希望由于编码方式而出现什么偏差。