machine-learning - H20 自动编码器异常仅接受数值预测器

Question

我正在使用 h2o 自动编码器异常来查找模型中的异常数据，但问题是自动编码器仅接受数字预测器。我的要求是我已经根据 CardNumber 或商户号码找到异常值。卡号是 12 位数字（342178901244），大部分是唯一的，所以它的标称数据，我们不能做热编码，它会创建许多新的字段，与唯一的卡号一样多。所以请提出任何我们可以包含分类数据的方法，我们仍然可以运行自动编码器

model=H2OAutoEncoderEstimator(activation="Tanh",
                              hidden=[70],
                              ignore_const_cols=False,
                              epochs=40)

model.train(x=predictors,training_frame=train.hex)

#Get anomalous values
test_rec_error=model.anomaly(test.hex,per_feature=True)
train_rec_error=model.anomaly(train.hex,per_feature=True)
recon_error_df['outlier'] = np.where(recon_error_df['Reconstruction.MSE'] > top_whisker, 'outlier', 'no_outlier')

Answer 1

您不能将几乎唯一的分类特征放在预测器（自动编码器或其他任何东西）中并期望它起作用。

相反，您需要从中提取有意义的特征，这取决于您要解决的问题。例如，如果它是信用卡号，您可以添加对卡电路进行编码的特征（VISA、万事达卡、美国运通卡等）。
限制只是您对该领域的想象力和知识。