我试图从经典虹膜分类问题的指导教程中理解代码块。
最终模型的代码块如下
chosen_model = SVC(gamma='auto')
chosen_model.fit(X_train,Y_train)
predictions = chosen_model.predict(X_valid)
在 this image您可以看到 X_train 和 Y_train 中存在的数据类型。这些是 Numpy 数组。 Y_train 包含 Iris 种类作为字符串。我的问题很简单:即使我没有将 Y_train 单热编码到不同的二进制列中,模型如何工作?我从其他教程中的理解是,对于多类分类,我需要先进行单热编码。
代码运行良好,我想掌握什么时候需要 One-Hot Encode,什么时候不需要。谢谢!
最佳答案
我想你可能会混淆 multiclass (你的情况)与 multioutput分类。
在多类分类问题中,您的输出应该只是一个目标列,您将训练模型对该列中的类进行分类。如果您必须预测 n
,则必须拆分为单独的目标列。每个样本有不同的类别,事实并非如此,您只需要每个样本的一个目标。
因此,对于多类分类,不需要对目标进行 OneHotEncode,因为您只需要一个目标列(在 SVC 中也可以是分类列)。您必须使用 OneHotEncoder
编码的内容或者使用其他一些编码器,是分类输入特征,必须是数字。
另外,SVC
可以处理分类目标,因为它 LabelEncode
他们在内部:
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')
关于python - 不需要标签的一热编码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62911538/