Hali_Botebie的博客

label encoding 就是用标签进行编码的意思，即将原始特征值编码为自定义的数字标签完成量化编码过程。举例:假如有三种颜色特征：红、黄、蓝。 在利用机器学习的算法时一般需要进行向量化或者数字化。那么你可能想令 红=1，黄=2，蓝=3. 那么这样其实实现了标签编码，即给不同类别以标签。对于定类类型的数据，建议使用one-hot encoding。 定类类型就是纯分类，不排序，没有逻辑关系。比如性别分男和女，男女不存在任何逻辑关系，我们不能说男就比女好，或者相反。再者，中国各省市分类也可以用独热编码，

参考：独热编码（One-Hot Encoding）独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。独热编码（哑变量 dummy variable）是因为大部分算法是基于向量空间中的度量来进行计算的，为了使非偏序关系的变量取值不具有偏序性，并且到圆点是等距的。使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用one-hot编码，会

参考了https://blog.csdn.net/b285795298/article/details/88683987假设您已经了解线性回归.又假设您十分了解sigmoid 函数.我们知道,线性回归是这样的:给定数据集, 其中,,线性回归试图学习到一个线性模型,尽可能地输出正确标记.吴恩达老师说:如果我们要用线性回归算法来解决一个分类问题,(对于分类,y 取值为 0 ...

1、超平面 n 维空间中的超平面由下面的方程确定: n 维列向量，x 为平面上的点 n 维列向量，w 为平面上的法向量，决定了超平面的方向 b 是一个实数，代表超平面到原点的距离...

本文为课程对应的学习笔记地址http://www.auto-mooc.com/mooc/detail?mooc_id=F51511B0209FB73D81EAC260B63B2A21文章目录ML系统结构与实现方法1.0【传统】最近邻居法KNN-最简单ML1.1 核心算法1.2 sklearn库实现更简洁的代码1.3“鸢尾花类型”任务1.4手写数字”项目任务1.6 K值选择和整体要点思考？...

本文为课程对应的学习笔记地址http://www.auto-mooc.com/mooc/detail?mooc_id=F51511B0209FB73D81EAC260B63B2A21课件资料存放地址：待更新文章目录4.1SVM4.2 基本算法4.3 SMO4.4 非线性什么问题使用怎样的核函数？？之前的SVM的blog5.1 线性分类与回归回归性能使用闭形式求解线性回归的参数5.2 梯度下降...

课程地址：http://www.auto-mooc.com/mooc/detail?mooc_id=BA91C867A68E92651FBF224828ECAE6E&major_id=E1007D8658541BD264785AA3709ADA25这是笔记！1.0数据基本算法1.1聚类算法类：相似元素的集合。分类是事先定义好类别，类别数固定；按照某种标准给队形贴标签，再根据标签...