[003]推荐系统 | One-Hot编码

最新推荐文章于 2022-10-14 10:24:28 发布
最新推荐文章于 2022-10-14 10:24:28 发布
阅读量965 收藏 3
点赞数
分类专栏： [003]推荐系统 文章标签： One-Hot编码 机器学习 One-Hot实际应用 特征向量 推荐系统
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/weixin_41593408/article/details/104402993
版权

目录

 

1、定义

2、例子

2.1五个样品，三个特征

2.2特征可能取值

2.3编码

2.4最终表示

3、应用

3.1物品特征表

3.2描述

1、定义

One-Hot编码，又称为一位有效编码，主要是采用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，并且在任意时候只有一位有效。

 

2、例子

2.1五个样品，三个特征

 特征一特征二特征三
物品一111
物品二222
物品三313
物品四422
物品五411

2.2特征可能取值

特征特征一特征二特征三
情况四种两种三种

 

2.3编码

以特征三为例，其有三种取值，用3个状态位来表示，以保证每个样本中的每个特征只有1位处于状态1,其他都是0

状态编码

1

001
2010
3100

2.4最终表示

 特征一特征二特征三
物品一[0001][01][001]
物品二[0010][10][010]
物品三[0100][01][100]
物品四[1000][10][010]
物品五[1000][01][001]

 

样本特征向量
物品一[000101001]
物品二[001010010]
物品三[010001100]
物品四[100010010]
物品五[100001001]

3、应用

3.1物品特征表

商品颜色尺寸内存价格
Iphone 5金色416G1358元
Iphone 6银色4.732G2788元
Iphone 6 plus白色5.564G3656元

 

3.2描述

  • 颜色特征值包括：[金色,银色,白色]
  • 内存特征值包括：[16G,32G,64G]
商品颜色内存
Iphone 5[1,0,0][1,0,0]
Iphone 6[0,1,0][0,1,0]
Iphone 6 plus[0,0,1][0,0,1]
商品特征向量
Iphone 5[1,0,0,1,0,0]
Iphone 6[0,1,0,0,1,0]
Iphone 6 plus[0,0,1,0,0,1]

 

 

 

Zero Ice
关注
专栏目录
机器学习代码实战——One-Hot编码（独热编码）
12-21
文章目录1.实验目的2.训练+预测2.1.get_dummies方法2.2.OneHotEncoder方法 1.实验目的 根据csv文件已给属性（Car Model、Mileage、Sell Price($)、Age(yrs)）来预测汽车售价。下面将给出两种预测onehot编码方法，其中模型用LinearRegression。 汽车数据 密码:7izi 2.训练+预测 2.1.get_dummies方法 import pandas as pd df = pd.read_csv('carprices.csv') dummies = pd.get_dummies(df['Car Model'])
数据预处理之one-hot编码
07-29 168
What 用二进制表示机器状态。 使用N位状态寄存器来对N个状态进行编码 参考链接 例如： 自然状态码为：000,001,010,011,100,101 独热编码为：000001,000010,000100,001000,010000,100000 Why 在机器学习中，经常有一些值为离散的属性，比如，性别（男1，女0），区域（采用区域编号）。这些作为特征，其取值只...
读热编码OneHotEcoder理解与应用
chang_rj的博客
10-15 1132
读热编码，又称哑编码，是将定性数据编码为定量数据，在机器学习中广泛用于对离散型的分类数据预处理操作。如特征性别，即可分为三类：男、女和其他。用计算机二进制表达（[1,0,0],[0,1,0],[0,0,1]）. 在python中的调用函数如下： from sklearn.preprocessing import OneHotEncoder clf = OneHotEncoder() clf.fit...
[推荐系统 06] 基于深度学习推荐系统——DeepFM模型
iamfishman
07-10 735
基于深度学习推荐系统 1. 基础知识 （1）one-hot编码带来的问题 我们知道，当我们遇到标签类/离散/类别型的数据，我们通过会把它变成one-hot编码。但是这样会使得数据特别庞大而且稀疏。而广告计算和推荐算法很多数据的特征是非常多的，而且大部分会是离散的数据，这样一来数据的稀疏性就会变得非常大。 因此，FM主要就是为了解决数据稀疏的情况下，特征怎样组合的问题。 （2）因式分解机（FM） 因式分解机是一种基于LR模型的高效的学习特征间相互关系； 对于因子分解机FM来说，最大的特点是对于稀疏的数据具有
什么是One-Hot 编码？在深度学习中有什么应用
leonorandzzzz的博客
07-05 1933
一、One-Hot Encoding One-Hot编码，又称为一位有效编码，主要是采用位状态寄存器来对个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。 在实际的机器学习的应用任务中，特征有时候并不总是连续值，有可能是一些分类值，如性别可分为“male”和“female”。在机器学习任务中，对于这样的特征，通常我们需要对其进行特征数字化，如下面的例子： ...
one-hot编码
Chloezhao的专栏
12-06 7842
在实际的应用场景中，有非常多的特征不是连续的数值变量，而是某一些离散的类别。比如在广告系统中，用户的性别，用户的地址，用户的兴趣爱好等等一系列特征，都是一些分类值。这些特征一般都无法直接应用在需要进行数值型计算的算法里，比如CTR预估中最常用的LR。那针对这种情况最简单的处理方式是将不同的类别映射为一个整数，比如男性是0号特征，女性为1号特征。这种方式最大的优点就是简单粗暴，实现简单。那最大的问题
对python sklearn one-hot编码详解
12-25
one-hot编码的作用 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 将离散特征通过one-hot编码映射到欧式空间，是因为，在回归，分类，聚类等机器学习算法中，特征...
手动实现One-Hot编码完整实现Python版
10-29
需要注意的是，手动实现One-Hot编码虽然有助于理解和掌握其工作原理，但在实际应用中，我们通常会使用如`pandas.get_dummies()`或`sklearn.preprocessing.OneHotEncoder`这样的库函数，因为它们更高效且能够自动处理...
one-hot和multi-hot编码
qq_38375203的博客
04-30 6173
one-hot和multi-hot编码
python对离散变量的one-hot编码方法
09-20
根据本文内容，我们可以了解到两种主要的one-hot编码方法：使用pandas的get_dummies()函数和使用sklearn库中的LabelEncoder与OneHotEncoder类。 首先是pandas的get_dummies()方法。这个函数可以非常方便地将...
什么是One-Hot编码
weixin_47041940的博客
10-14 376
也就是说把编码问题理解为一个归类问题，在上面的例子中，总共涉及七个类，而且这七个类之间有严格的先后排列顺序，那么把这七个类想像成七位二进制数，属于哪个类，就在此类位置上取1，其余位取0。比如：我们要把“红、黄、绿”这三种颜色用One-Hot编码后输入给计算机，其中每种颜色都选自一个颜色集合{红、橙、黄、绿、青、蓝、紫}。One-Hot编码：1000000、0010000、0001000。简单来说，就是把人类语言用计算机能够理解的二进制编码表示。人类语言：红、黄、绿。
机器学习：数据预处理之独热编码（One-Hot）详解
热门推荐
赵英超的博客
01-03 6万+
一. 什么是独热编码？ ———————————————————————————————————————— 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"...
推荐系统之特征工程
crown的博客
05-15 458
数据预处理 数据可划分为结构化数据与非结构化数据，定义如下： 结构化数据 代表性的有数值型、字符串型数据 非结构化数据 代表的有文本型、图像型、视频型以及语音型数据 结构化数据预处理 预处理一般可分为缺失值处理、离群值(异常值)处理以及数据变换 缺失值处理 一般来说，未经处理的原始数据中通常会存在缺失值、离群值等，因此在建模训练之前需要处理好缺失值。 缺失值处理方法一般可分为：删除、统计值填充、统一值填充、前后向值填充、插值法填充、建模预测填充和具体分析7种方法。 直接删除 缺失值最简单的处理方法是删除
最细的独热编码（One-hot）讲解
weixin_45950014的博客
02-25 2366
One-Hot编码，又称为一位有效编码，主要是采用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，并且在任意时候只有一位有效,One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。干货如下： 例如： 性别特征：[“男”,“女”]------>二进制表示[01,10]...
深度学习在推荐系统上的应用
人工智能学家
01-25 8550
作者：陈仲铭，知乎 ID：ZOMI深度学习最近大红大紫，深度学习的爆发使得人工智能进一步发展，阿里、腾讯、百度先后建立了自己的AI Labs，就连传统的厂商OPPO、VIVO都在今年开始筹备建立自己的人工智能研究所。确实深度学习很火，近期深度学习的战火烧到推荐系统，其强大的表征能力和低准入门槛，已经成为各大高校和中国人改网络发paper的红利时代。可是我还没能发上那么几篇，之前面试大厂的AI la
推荐系统总结
舟
07-11 6016
介绍 推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。 常用的算法如下： 1. 规则模型 （Apriori算法） 2. 协同过滤 （User-based / Item-based） 规则模型（Apriori算法） 找出所有频繁项集，频繁性大于等于最小支持度 根据频繁项集产生强关联规则，并满足最小支持度和最小置信度 支持度 （X=&
tf.one_hot 实例
Talk Is Cheap
08-03 2426
Examples =========Suppose thatpython indices = [0, 2, -1, 1] depth = 3 on_value = 5.0 off_value = 0.0 axis = -1 Then output is [4 x 3]:python output = [5.0 0.0 0.
one-hot使用体会
lanhaier0591的博客
12-03 1万+
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。比如星期类型，有星期一、星期二、……、星期日，比如浏览器类型有["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]。 对于这些离散型特征，可以用几个数字表示特征值，如用1表示星期一，2表示星期二；也可以用one-hot编码，如用[1,0,0,
推荐系统算法面试题1
fly_Xiaoma的博客
05-08 1万+
对推荐系统面试经常问到的一些基础问题进行总结，方便自己记忆。 1、模型产生过拟合的原因及解决方案 什么是过拟合： 模型在训练集上效果较好，在测试集上表现较差。 产生过拟合原因： 参数太多，模型复杂度高 样本中噪音数据较大，模型学习到了噪音中的特征 对于决策树模型。对决策树的生长没有合理的限制和修建 对于神经网络模型。权值学习迭代次数足够多（overtraining），拟合了训练数据...
什么是one-hot编码
最新发布
06-08
One-hot编码是一种常用的分类变量编码方法，用于将离散变量转换为二进制向量，方便计算机处理和分析。假设有$n$个离散取值，那么该变量的one-hot编码就是一个$n$维的向量，其中只有一位是1，其余位都是0，这个1所在的位置表示该变量的取值。 例如，假设有一个有三个离散取值的变量$color$，取值为$red$、$green$和$blue$，则它的one-hot编码如下： | 变量 | red | green | blue | | --- | --- | --- | --- | | color | 1 | 0 | 0 | | color | 0 | 1 | 0 | | color | 0 | 0 | 1 | 其中，第一行表示$color=red$，第二行表示$color=green$，第三行表示$color=blue$。可以看到，每一行的向量都只有一个1，其余位置都是0，这就是one-hot编码。 在机器学习中，one-hot编码常用于处理分类变量，例如对图像分类任务中的标签进行编码。对于多分类问题，每个样本的标签都会被编码成一个one-hot向量，其中向量的长度等于类别数，每个位置表示一个类别。这样做的好处是，在模型训练时可以方便地将标签与模型输出进行比较，从而计算损失函数和评估模型性能。
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