问题标签 [one-hot-encoding]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
c++ - 将 one-hot 编码转换为纯二进制
这不是一个常规的“二进制到 bcd”问题，事实上，我不太确定如何称呼我正在尝试做的事情！
嵌入式设备中有一个字节以下列格式存储数字 1 到 7（一周中的几天）：
我想读取这个字节，并将其内容（1 到 7）转换为 BCD，但我不确定如何执行此操作。
我知道我可以用一系列 if 语句来暴力破解它：
等等，但我认为可能有更好的方法。该数据存储在实时时钟上的单个寄存器中。我通过执行 I2C 读取来获取此字节，并将其读入程序中的一个字节。此实时时钟的数据表指定此特定寄存器的格式如我上面所述。
python - 将虚拟列添加到原始数据框
我有一个数据框，如下所示：
对于 YEAR 值，我喜欢将年份列 (1993,1994...,2009) 添加到原始数据框中，如果 YEAR 中的值为 1992，则 1992 列中的值应为 1，否则为 0。
我使用了一个非常愚蠢的 for 循环，但它似乎永远运行，因为我有一个大数据集。谁能帮帮我，非常感谢！
python - 在几个 DataFrame 列上运行 get_dummies？
一个人如何习惯性地get_dummies在多个 DataFrame 列上运行一个函数，它需要一个列并返回多个？
python - sklearn 随机森林可以直接处理分类特征吗？
假设我有一个分类特征颜色，它采用值
['红色'，'蓝色'，'绿色'，'橙色']，
我想用它来预测随机森林中的某些东西。如果我对其进行一次热编码（即我将其更改为四个虚拟变量），我如何告诉 sklearn 这四个虚拟变量实际上是一个变量？具体来说，当 sklearn 随机选择要在不同节点上使用的特征时，它应该包括红色、蓝色、绿色和橙色的假人，或者不应该包括任何一个。
我听说没有办法做到这一点，但我想必须有一种方法来处理分类变量，而不是将它们任意编码为数字或类似的东西。
python - 在 sklearn 中使用 OneHotEncoding 编码 32 位十六进制数
我有一些分类特征散列成 32 位十六进制数字，例如，在一个类别中，三个不同的类被散列成：
一个 Hot Encoding将这些映射到一个二进制数组中，只有一位是 1，另一个是 0。所以如果我想对上述特征进行编码。只需要三个位。
001 correspond to 05db9164, 010 correspond to 68fd1e64, 100 correspond to 8cf07265
但是当我在 sklearn 中使用 OneHotEncoder 时，它告诉我这个数字太大了。这让我很困惑。因为我们不关心数字的数值属性。我们只关心它们是否相同。
另一方面，如果我编码 0,1,2：
我得到了预期的答案。而且我认为这些 32 位十六进制数是用来表示类别中的类的。所以它与 0 , 1 ,2 相同。并且 [0,0,1], [0,1,0],[1,0,0] 足以对其进行编码。你能帮我吗。非常感谢。
hash - 在预处理具有高基数的数据时，您是先哈希还是先热编码？
散列降低了维度，而单热编码通过将多类别变量转换为许多二进制变量，本质上炸毁了特征空间。因此，它们似乎具有相反的效果。我的问题是：
在同一个数据集上做这两个有什么好处？我读过一些关于捕捉交互的东西，但没有详细说明——有人可以详细说明一下吗？
哪个先出现，为什么？
python - 将索引数组转换为 1-hot 编码的 numpy 数组
假设我有一个 1d numpy 数组
我想将其编码为 2D one-hot 数组
有没有快速的方法来做到这一点？比循环a设置 的元素更快b，也就是说。
python - 一种在python中表示语料库句子的热编码
我是 Python 和 Scikit-learn 库的初学者。我目前需要从事一个 NLP 项目，该项目首先需要通过 One-Hot Encoding 表示一个大型语料库。我已经阅读了 Scikit-learn 关于 preprocessing.OneHotEncoder 的文档，但是，这似乎不是我对术语的理解。
基本上，这个想法类似于以下：
- 1000000 星期日；0100000 星期一；0010000 星期二；... 0000001 星期六；
如果语料库只有 7 个不同的单词，那么我只需要一个 7 位向量来表示每个单词。然后，一个完整的句子可以用所有向量的合取来表示，它是一个句子矩阵。但是，我在Python中尝试过，它似乎不起作用......
我怎样才能解决这个问题？我的语料库中有大量不同的单词。
顺便说一句，如果向量大部分都用零填充，我们可以使用 Scipy.Sparse 来缩小存储空间，例如 CSR。
因此，我的整个问题将是：
语料库中的句子如何用 OneHotEncoder 表示，并存储在 SparseMatrix 中？
感谢你们。
indexing - 在 Torch 中，如何从整数标签列表中创建 1-hot 张量？
我有一个整数类标签的字节张量，例如来自 MNIST 数据集。
如何使用它来创建 1-hot 向量的张量？
我知道我可以用一个循环来做到这一点，但我想知道是否有任何聪明的 Torch 索引可以在一行中为我提供它。
python - 从 scikit-learn 中的 one-hot-encoding 回溯分类特征？
我正在尝试构建一个套索回归预测模型。我在 scikit-learn 中使用 OneHotEncoder 使用 one-hot aka one-of-K 方案对所有分类整数特征进行编码。根据结果，实际上只有 51 个参数会影响预测模型。我想调查这些参数，但它们的编码如上所述。您知道如何提取哪个分类整数特征对应于哪个热编码数组吗？谢谢！