独热编码和数据类型笔记

最新推荐文章于 2022-11-28 21:46:56 发布
最新推荐文章于 2022-11-28 21:46:56 发布
阅读量486 收藏 2
点赞数 1
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35885429/article/details/105044926
版权 
本人笔记方便复习
  1. onehot编码时只接受str输入，因为要进行离散值分类，因此需要对完整的数据进行分割，分为数值型，字符型；
  2. 利用sklearn可以直接读txt形成numpy.array格式数据，但是onehot好像只接受list输入，所以对数据array转换为list输入，编码完成后输出时csr_martix，显然又需要转换为array才可以使用。转化方法是(.A)
  3. 字符数据经过独热编码后，需要与数值数据拼接形成完整的训练集数据，这时由于数据格式都是numpy.array，可以直接使用已有方法，numpy提供了hstack和vstack方法可以直接横向拼接或竖向拼接。
  4. 还有一点，svm模型构建的时候可以根据数据类别不平衡性设置权重，但是我发现你的训练集比例必须和权重参数值是一样的，否则就报错了。

展示一下我用一个简单的数据集跑出来的结果～～
在这里插入图片描述在这里插入图片描述

tiezhuLee
关注
专栏目录
独热编码（one-hot）是什么？什么数据类型需要进行独热编码？pandas如何进行独热编码（one-hot）？
data+scenario+science+insight
06-24 2502
独热编码（one-hot）是什么？什么数据类型需要进行独热编码？pandas如何进行独热编码（one-hot）？ 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。 独热编码是将分类变量转换为可提供给机器学习算法更好地进行预测的形式的过程。 一种稀疏向量，其中：一个元素设为 1；所有其他元素均设为 0。 one-hot 编码常用于表示拥有有限个可能值的字符串或标识符。例如，假设某
独热向量编码原理
lc574260570的博客
08-13 3143
`# -- coding: utf-8 -- from future import unicode_literals import numpy as np import sklearn.preprocessing as sp raw_samples = np.array([ [1, 3, 2], [7, 5, 4], [1, 8, 6], [7, 3...
数据预处理-独热编码
silent1cat的博客
05-16 1046
独热编码介绍优点举例说明 介绍 独热编码通常是用来处理稀疏而又散乱的分布空间的数值。其方法是使用N状态寄存器来对N个状态进行编码，每个状态都有独自的寄存器位，在任意时候只有一位有效，只有一位是1，其余的都为0。 优点 1.能够处理非连续型数值特征。 2.在一定程度上也扩充了特征，比如：将性别这个特征经过独热编码后变为男、女这两个特征。 举例说明 在数字0-9中，6的独热编码为0000001000。 也就是说对一个特征进行独热编码的时候，这个特征含有多少个数值，就将其映射到几维的空间里，如：教育等级：小学教育
为葡萄酒数据集构造SVM分类器和使用随机森林回归模型预测葡萄酒质量
最新发布
weixin_63669071的博客
11-28 7565
基于python的数据科学导论学习，主要以SVM模型为例，并构建随机森林模型进一步预测。
【转】数据预处理之独热编码（One-Hot Encoding）
weixin_30586257的博客
09-27 2838
原文链接：http://blog.csdn.net/dulingtingzi/article/details/51374487 问题由来 在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。 例如，考虑一下的三个特征： ["male","female"] ["from Europe","from US","from Asia"] ["uses Firefox","u...
tensorflow独热编码方法_TensorFlow2.1入门笔记1
weixin_35253082的博客
01-30 540
TensorFlow2.1入门笔记1基础知识张量(Tensor)：多维数组(列表) 阶：张量的维数TensorFlow的数据类型如何创建一个Tensor直接创建将numpy的数据类型转换为Tensor创建全为某个值的张量：生成指定维度符合正态分布的张量生成均匀分布的随机数常用函数强制类型转换：计算张量维度上元素的最大(小)值计算张量沿着指定维度的和(平均值)将变量标记为“可训练”数学运算特征和标签...
【数据科学笔记】第三章 数据清洗与预处理.pdf
02-04
特征编码是将类别型数据转换为数值型数据，常用的编码方法包括独热编码（One-Hot Encoding）和标签编码（Label Encoding）等。 综上所述，在数据科学的实践中，使用R语言进行数据清洗与预处理是至关重要的。本章所...
数据湖在大数据场景下应用和实施方案调研笔记(增强版)
微信搜：import_bigdata，大数据领域硬核原创作者
08-24 1135
点击上方蓝色字体，选择“设为星标”回复”面试“获取更多惊喜在读本文前你应该看过这些：《我看好数据湖的未来，但不看好数据湖的现在》《数据湖解决方案关键一环，IceBerg会不会脱颖而出？》本...
sklearn中的数据预处理和特征工程 基础笔记
qq_51924093的博客
05-19 726
数据挖掘的五大流程： 获取数据 数据预处理 数据预处理是从数据中检测，纠正或删除损坏，不准确或不适用于模型的记录的过程可能面对的问题有：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断。也可能，数据的质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小数据预处理的目的：让数据适应模型，匹配模型的需求 特征工程： 特征工程是将原始数据转换为更能代表预测模型的潜在问题的特征的过程，可以通过挑选最相关的特征，提取特征以及创造特征来实现。其中创造特
黑马python机器学习入门笔记
08-21
预处理包括数据清洗、缺失值处理、异常值检测、特征缩放（如标准化或归一化）以及特征编码（如独热编码）。Pandas库在这一阶段扮演着重要角色，提供了一系列方便的数据操作和分析功能。 然后，笔记会引导读者理解...
机器学习 数据预处理之独热编码(One-Hot Encoding)
ass201293的专栏
12-14 733
原文：http://blog.csdn.net/dulingtingzi/article/details/51374487 机器学习 数据预处理之独热编码（One-Hot Encoding） 问题由来 在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。 例如，考虑一下的三个特征： ["male","female"] ["from Europe","fro...
独热编码（One-Hot Encoding）
猫猫与橙子的博客
09-29 1996
在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。 离散特征的编码分为两种情况： 1.离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码 2.离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3} 例如，考虑一下的三个特征： ["male", "female"] ["from Europe", "from US", "from Asia"] ["uses Firefox"
数据预处理之独热编码（One-Hot）
yleave的博客
08-22 5764
1.前言 在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男女，祖国有中国，美国，法国等。 这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。 那什么是特征数字化呢？例子如下： 性别特征：[“男”，“女”] 祖国特征：[“中国”，"美国，“法国”] 运动特征：[“足球”，“篮球”，“羽毛球”，“乒乓球”] 假如某个样本（某个人），他的特征是这样的[“男”,“中国...
独热编码（One-Hot）最简洁理解
热门推荐
sereasuesue的博客
09-25 2万+
在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男女，祖国有中国，美国，法国等。 这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。 考虑以下三个特征： ["male", "female"] ["from Europe", "from US", "from Asia"] ["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"] 如果将上述特征用数字表示，效率会高很多。例如
机器学习-数据预处理之独热编码（One-Hot）
wzy2643的博客
08-04 1308
机器学习-数据预处理之独热编码（One-Hot） 在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男有女，国籍有中国，美国，法国等。这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。 那什么是特征数字化呢？例子如下： 性别特征：[“男”，“女”] 祖国特征：[“中国”，"美国，“法国”] 运动特征：[“足球”，“篮球”，“羽毛球”，“乒乓球”] 如果将上述特...
数据预处理：独热编码（One-Hot Encoding）和 LabelEncoder标签编码
qq_31945139的博客
03-18 1988
随笔 - 119 文章 - 0 评论 - 13 数据预处理：独热编码（One-Hot Encoding）和 LabelEncoder标签编码 一、问题由来 在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。 离散特征的编码分为两种情况： 1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码 2、离散特征的取值有大小的意义，比如siz...
将由具有概率分布的元素组成的列表转换为独热码形式
qq_43403924的博客
11-23 471
一、前言 之前说过了将一个具体值转换为独热码的方法，即例将a=1转换为三分类的独热码a=[0,1,0]。这次再介绍下如何将由具有概率分布的元素组成的列表转换为独热码形式，即例将test=[ [0.6,0.2,0.2], [0.2,0.3,0.5] ]转换为test=[ [1,0,0], [0,0,1] ]。 二、代码实现 def trans_to_onehot(X): result=[] for i in range(len(X)): max=0 max_in
vue学习【四】之IP和端口配置
qq_35885429的博客
05-16 4013
默认的项目启动后访问localhost:8080 但是有时候你想自己配置这个东西，那么只需要在vue.config.js文件里配置就行，如果没有，自己新建一个。 内容如下 module.exports = { devServer: { disableHostCheck: false, host: "169.254.xx.xx", port: 8091, https: false, hotOnly: false,
"Python基础语法和数据类型学习笔记
Python学习的基础包括语法、数据类型、控制语句、函数、模块、包、类与继承、字符编码以及数据读写等。这些内容在学习Python时都是非常重要的基础知识。 在Python中，我们可以使用指定的标识符来定义变量和函数。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值