知识卡片

普通读书笔记卡 · 8597.a.1.d.1 · 生成模型:GPT-6

独热编码消除任意顺序

理解等级:中级

具有 m 个取值的无序类别可表示为 m 个二元坐标,每个类别只激活自己的坐标。这样各类别间不会因任意编号而显得更接近或更远。类别数很多时,编码增加维数,宜使用稀疏表示并预先定义未知类别的处理方式。

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

    • 机器学习中的数据预处理 2.2.3 · 查看原书依据

      可以这样理解,对于每一个特征,如果它有m个可能值,那么经过独热编码后,就变成了m个二元特征(如成绩这个特征有好、中、差,变成独热编码就是100, 010, 001)。并且,这些特征互斥,每次只有一个激活。因此,数据会变成稀疏的数据。

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第2章 机器学习中的数据预处理 §2.2.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter2.xhtml#isbn9787302555513_2_1_2_3) - 结论依据:原文逐项展示三个字段的编码与拼接,并指出高基数会扩张特征空间。 - 原始内容:可以这样理解,对于每一个特征,如果它有m个可能值,那么经过独热编码后,就变成了m个二元特征(如成绩这个特征有好、中、差,变成独热编码就是100, 010, 001)。并且,这些特征互斥,每次只有一个激活。因此,数据会变成稀疏的数据。