V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
galileo1214
V2EX  ›  Python

可以不进行 onehot 吗?

  •  
  •   galileo1214 · 2020-11-25 10:05:15 +08:00 · 2025 次点击
    这是一个创建于 1462 天前的主题,其中的信息可能已经有所发展或是发生改变。
    如果特征种类过多,或者是数量级的,可以不 onehot 吗,还是需要分类
    如果大多数都是数量级的,是否可以直接扔进模型呢,还是要做个标准化
    cclin
        1
    cclin  
       2020-11-25 10:28:21 +08:00 via Android
    举个例子,你用 l2 距离,北京是 0,上海是 1,广州是 2,不做 onehot 意味着在这个维度广州和北京距离是广州到上海的二倍,然而实际上他们的距离应该相同
    galileo1214
        2
    galileo1214  
    OP
       2020-11-25 10:33:58 +08:00
    @cclin 类型过多会离散化
    levylll
        3
    levylll  
       2020-11-25 11:04:02 +08:00
    图省事儿可以做特征 hash,压缩特征到同一个 hash 空间
    Escapist367
        4
    Escapist367  
       2020-11-25 11:11:27 +08:00
    有的模型不需要 one-hot
    TimePPT
        5
    TimePPT  
       2020-11-25 11:21:05 +08:00
    one-hot encoding 不是万能的,这些分类变量编码方法你值得拥有
    https://www.jiqizhixin.com/articles/2020-09-16-6

    机器学习中的特征工程总结!
    https://mp.weixin.qq.com/s/RgSejEbxwhnFUKR2POmqmg

    一文讲解特征工程!经典外文 PPT 及中文解析
    https://mp.weixin.qq.com/s/GWMZ1jwbchE8O0r6EduYtQ
    galileo1214
        6
    galileo1214  
    OP
       2020-11-25 11:34:20 +08:00
    @TimePPT #5 谢谢
    TimePPT
        7
    TimePPT  
       2020-11-25 11:56:29 +08:00 via Android
    @galileo1214 客气
    俗话说得好
    特征做得好,模型差不了
    😆
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1185 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 23:01 · PVG 07:01 · LAX 15:01 · JFK 18:01
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.