知识卡片
分类特征与实体嵌入
分类特征分两类:Ordinal(有序,如 S/M/L/XL 尺码)存在自然顺序,可排序编码;Nominal(无序,如颜色、城市)没有大小关系。独热编码虽可处理 Nominal,但在类别数上百上千时会产生巨量稀疏特征,且无法表达类别间的分布与相近关系(如北京、上海、杭州地理上更近)。Entity Embedding 用低维向量表示每个类别,训练后几何距离近的向量对应含义相近的类别,常作为神经网络第一层并可被其他模型复用。在 Kaggle 出租车距离、Rossmann 药店销售等结构化数据任务中,Entity Embedding 让神经网络明显优于传统方法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第1章 万物皆可嵌入 · 查看原书依据
Embedding就是用一个低维的向量表示一个事物,可以是一个词、一个类别特征(如商品、电影、物品等)或时间序列特征等。通过学习,Embedding向量可以更准确地表示对应特征的内在含义,使几何距离相近的向量对应的物体有相近的含义
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第1章 万物皆可嵌入(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter4_0004.xhtml)
- 结论依据:原文说明了 Ordinal/Nominal 的区别与独热编码的缺陷,并以德国各州 Embedding 可视化及 Entity Embedding 竞赛案例说明其效果。
- 原始内容:Embedding就是用一个低维的向量表示一个事物,可以是一个词、一个类别特征(如商品、电影、物品等)或时间序列特征等。通过学习,Embedding向量可以更准确地表示对应特征的内在含义,使几何距离相近的向量对应的物体有相近的含义