问题标签 [one-hot-encoding]

我有 np 矩阵，我想将其转换为 3d 数组，其中元素的一个热编码作为第三维。有没有办法不用遍历每一行，例如

应该做成

我要预测一部电影的票房。假设只有一个分类特征“演员”，其值为“A”，“B”，“C”。我将它们编码为[1,0,0],[0,1,0],[0,0,1]，如果电影有多个演员，例如 A 和 B，我应该对其进行编码吗作为[1,1,0]或[1,0,0,0,1,0]

我有一个包含 80% 分类变量的机器学习分类问题。如果我想使用某个分类器进行分类，我必须使用一种热编码吗？我可以在没有编码的情况下将数据传递给分类器吗？

我正在尝试执行以下功能选择：

1. 我读了火车文件：

   /li>

2. 我将分类特征的类型更改为“类别”：

   /li>

3. 我使用一种热编码：

   /li>

问题是第三部分经常卡住，尽管我使用的是一台强大的机器。

因此，如果没有一种热编码，我就无法进行任何特征选择，以确定特征的重要性。

你有什么建议吗？

我正在研究一个分类问题。我的训练数据有一些分类变量，我想将它们转换为虚拟变量。我可以用 Pandas 轻松做到这一点。

问题是，如果测试数据具有训练数据中不存在的某些级别怎么办。如何将测试数据转换为与火车数据具有相同架构的 1-hotcoded 数据？

例如：

训练数据

1-hot 编码的火车数据

测试数据

问题是我不能直接将其转换为虚拟变量，因为这只会产生两个属性dummy_attr_a和dummy_attr_e（不存在于训练数据中）。

我在 Excel 中有这张表：

现在，我想在 Python 中做一个“特殊”的 one-hot 编码。对于第一个表中的每个 id，都有两个数字。每个数字对应一个类（class1、class2 等）。第二个表是基于第一个表创建的，这样对于每个 id，其行中的每个数字都显示在其相应的类列中，而其他列则为零。例如，id 0 的数字是 2 和 3。2 放置在 class2，3 放置在 class3。类 1、4 和 5 的默认值为 0。结果应如下所示：

我之前的解决方案，

结果是：

（class_3 出现两次）。我能做些什么来解决这个问题？（在这一步之后，我可以将其转换为我想要的最终格式。）

我正在使用 sklearn 的 OneHotEncoder，但想取消转换我的数据。知道怎么做吗？

但我希望能够做到以下几点：

我该怎么做呢？

对于上下文，我构建了一个学习 one-hot 编码空间的神经网络，现在想使用 nn 进行需要采用原始数据格式的真实预测。

我对一个问题感到困惑，想听听你的意见。我正在研究 tensorflow 中的卷积神经网络。现在我有带有标签的图像。大约有 10000 个唯一标签，我希望自动标记图像。现在我对标签使用一种热编码。对于 10000 个独特的标签，它就像功能爆发一样。我们如何处理这种情况？

facebook如何在面部标记中做到这一点？有数以百万计的面孔。我猜他们不会对人脸标签进行一种热编码，对吧？

我正在使用包中的Arthritis数据集vcd来执行一种热编码。我想用purrr::dmap_if和Matrix::model.matrix一起来做这件事。当我跑

工作正常。

当我使用下面的代码不起作用

我有一个带有 2 个分类变量、ID 变量和一个目标变量（用于分类）的 Pandas 数据框。我设法用OneHotEncoder. 这导致稀疏矩阵。

但我不知道如何在 DecisionTreeClassifier 中使用这个稀疏矩阵？特别是当我想稍后在我的数据框中添加一些其他非分类变量时。谢谢！

编辑 回复 miraculixx 的评论：我还尝试了 sklearn-pandas 中的 DataFrameMapper

但后来我得到这个错误：

TypeError：不支持类型转换：（dtype（'O'），dtype（'int64'），dtype（'float64'），dtype（'float64'））。

如果输入为零，我想创建一个如下所示的数组：

如果输入为 5：

对于上面我写的：

但它没有用。

有什么方法可以在一行中实现吗？