在对目标类进行一次热编码之后，如何对数据集进行分类？
我想用内核机对数据集进行分类。目标类有5个不同的值，我想一次性编码它。之后，我有5个目标列。我做了5次训练，每次目标列一次。现在我想分类一个新的样本。我用我得到的5个Trainig模型对样品进行了5次分类。最后，我看哪一个预测在5个预测中具有最大值，然后我根据具有最大预测的类对样本进行分类。我不确定我做的是对的。我怎样才能以正确的方式做到这一点？
共有1个答案
内核机器是什么意思？如果它只支持二进制分类任务，那么您可以进行5次训练，并按最大值进行预测。然而，有很多算法支持多类分类任务。Yon只需通过多类分类器为5个目标训练1次。
-
问题内容： 给出了可变长度特征的列表： 每个样本具有不同数量的功能，并且该功能已经并且很热门。 为了使用sklearn的特征选择实用程序，我必须将转换为2D数组，如下所示： 如何通过sklearn或numpy实现它？ 问题答案： 您可以使用scikit中存在的MultiLabelBinarizer专门用于执行此操作。 您的示例代码： 输出： 它也可以与其他feature_selection实用程序
-
问题内容： 我有一个80％分类变量的机器学习分类问题。如果要使用一些分类器进行分类，是否必须使用一种热编码？我可以在没有编码的情况下将数据传递给分类器吗？ 我正在尝试进行以下功能选择： 我读了火车文件： 我将类别特征的类型更改为“类别”： 我使用一种热编码： 问题是，尽管我使用的是坚固的机器，但第3部分经常卡住。 因此，没有一种热编码，我就无法进行任何特征选择来确定特征的重要性。 你有什么建议吗？
-
我有一个80%分类变量的机器学习分类问题。如果我想使用一些分类器进行分类，我必须使用一个热编码吗？我可以不编码地将数据传递给分类器吗？ 我试图做以下功能选择： > 我读了火车文件： 我将分类特征的类型更改为“类别”： 我使用一个热编码： 问题是，第三部分经常卡住，尽管我使用的是一个强大的机器。 因此，没有一个热编码，我无法进行任何特征选择，以确定特征的重要性。 你推荐什么？
-
问题内容： 给出： 给出： 是否有准备使用的库/代码来完成它？ 问题答案： 您将无法使用JSON.stringify序列化事件对象，因为事件对象包含对DOM节点的引用，并且DOM在各处都有循环引用（例如，子/父关系）。JSON默认情况下无法处理这些，因此您有点不走运。
-
我正在开发一个使用C作为练习的小型交易机器人。他将首先收到基本信息，如我们的资本和日常股票价值（表示为迭代）。 这是我的专业课： 从最后两个属性可以看出，我使用指数移动平均原理和趋势跟踪算法。 我从报纸上读到过http://www.cis.umac.mo/~fstasp/paper/jetwi2011。pdf（主要在第3页）并希望实现他们与我们共享的伪代码；它是这样的： 到目前为止，我是这样做的：
-
问题内容： 我正在开始使用Google App Engine。我想像Twitter一样进行AJAX聊天。 服务器JSON对响应进行编码， 结果：您好！ 还行吧。但是替换RPCHandler 结果：错误。服务器不可访问（获取） 如何对实体进行JSON编码？ 问题答案： 在App Engine Python中，您可以使用此脚本将db.Models编码为JSON。您可能必须自定义某些部分，例如DateT