知识卡片
心脏病诊断项目背景
本章用一个具体的二分类项目演示如何用神经网络处理结构化数据。项目使用克利夫兰心脏病诊断数据集,核心问题是:表格里既有数值列又有类别列,字符串类别无法直接送进网络,不同列需要不同处理。项目流程为:先用Pandas读取CSV,再用tf.data建立分批与乱序的输入流水线,然后用特征列把每列映射为训练特征,其中类别列用Embedding、数值列分桶或数值化、部分特征再做组合,最后合并送入Keras模型。这一流程的价值在于给出一套可迁移的模板,换用自己的数据集时只需替换列处理策略即可。
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10章 用Embedding表现分类特征 · 查看原书依据
本项目使用克利夫兰心脏病诊断数据集,介绍如何对不同特征采用不同的处理方法,并重点介绍如何将一些分类值较大的特征转换为Embedding的方法。
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10章 用Embedding表现分类特征(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/Chapter14_0001.xhtml)
- 结论依据:原文在10.1概述中明确列出项目四个组成部分,并点明重点是分类值较大的特征转Embedding的方法,支撑本卡对项目目标与流程的概括。
- 原始内容:本项目使用克利夫兰心脏病诊断数据集,介绍如何对不同特征采用不同的处理方法,并重点介绍如何将一些分类值较大的特征转换为Embedding的方法。