我正在嘗試理解經典 Iris 分類問題的指導教程中的代碼塊。最終模型的代碼塊如下chosen_model = SVC(gamma='auto')chosen_model.fit(X_train,Y_train)predictions = chosen_model.predict(X_valid)在此圖中，您可以看到 X_train 和 Y_train 中存在的數據類型。這些是 Numpy 數組。Y_train 包含 Iris 物種作為字符串。我的問題很簡單：即使我沒有將 Y_train 單熱編碼到不同的二進制列中，模型如何工作？我從其他教程中了解到，對于多類分類，我需要先進行 one-hot 編碼。代碼運行良好，我想掌握何時需要 One-Hot Encode 以及何時不需要。謝謝你！
2 回答
jeck貓
TA貢獻1909條經驗 獲得超7個贊
在多類分類問題中，您的輸出應該只是一個目標列，您將訓練模型在該列的類之間進行分類。您必須拆分為單獨的目標列，如果您必須預測每個樣本的n不同類別，但事實并非如此，您只需要每個樣本的一個目標。
因此對于多類分類，不需要對目標進行 OneHotEncode，因為您只需要一個目標列（在 SVC 中也可以是分類的）。您必須OneHotEncoder使用或與其他一些編碼器一起編碼的是分類輸入特征，它必須是數字。
此外，SVC可以處理分類目標，因為它LabelEncode是內部的：
from sklearn.datasets import load_iris
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y)
y_train_categorical = load_iris()['target_names'][y_train]
# array(['setosa', 'setosa', 'versicolor',...
sv = SVC()
sv.fit(X_train, y_train_categorical)
sv.classes_
# array(['setosa', 'versicolor', 'virginica'], dtype='<U10')
呼啦一陣風
TA貢獻1802條經驗 獲得超6個贊
據我所知，從未對輸出進行過一次熱編碼。您需要對一個特征進行一次熱編碼，這樣模型就不會混淆某些顏色大于其他顏色。當您計算輸出時，模型使用基于類別的概率分布。所以這里不會有任何問題。
簡而言之，您應該只對輸入特征而不是輸出類進行一次熱編碼。
添加回答
舉報
0/150
提交
取消