我的数据集是一组特征和一列，该列本质上是 View ，该列的每个元素都是任意正实数，如下所示。
现在，我想在 Python 中运行 Keras 模型。我计划使用此列作为输出标签来训练分类器。我能想到的唯一解决方案是使用 sklearn 对其进行缩放，然后有条件地以某种方式将缩放值分类为足够的训练标签的类。例如，如果 0.1 < View < 0.2:set_scale_to_0.1 等等。这是最好的方法吗？
+-------+
| Views |
+-------+
| 173 |
+-------+
| 943 |
+-------+
最佳答案
我建议不要试图将其强行转化为分类问题，而是将其视为回归问题。两个原因:
首先:您的模型目标(分类中的“标签”)不是离散的，而是整数值。这意味着任何离散化的努力都会丢失信息。
第二:当彼此靠近的标签不包含信息时(例如类别 1 和类别 2 并不比类别 1 和类别 4 更相似)，分类很有用。但是，您希望从 View 方面彼此接近的数据点获取信息。
所以，您可能想要使用回归。你可以用 Keras 做到这一点，没有问题；您只需要更改最后一层(可能还需要更改一些其他内容，具体取决于您的架构)。尝试寻找“回归网络”的例子。
关于python - 如何将一列值转换为可能离散的训练输出类？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48241606/