使用 One Hot Encoding 时的逻辑回归方程
Equation for Logistic regression while using One Hot Encoding
当特征是数字时，像这样：
假设sigmoid(transpose(theta).X))中的特征矩阵X将是：
然而，当我们在这里有 1 个特征时 - 颜色，可以是红色或蓝色或绿色，在做 One Hot Encoding 时每个都将是一个向量，如：[1 0 0] [0 1 0] 和 [0 0 1].
我无法弄清楚如何将这些 One Hot Encoding 向量合并到已经存在的特征矩阵中，然后在假设方程中使用它
是的，您应该从数据集中删除所有未编码的分类特征，对它们进行编码并从一个热编码中添加它们的编码值，当然您还必须将相应的权重添加到 theta 中。然后你可以在这个新数据集上拟合你的新模型
当特征是数字时，像这样：
假设sigmoid(transpose(theta).X))中的特征矩阵X将是：
然而，当我们在这里有 1 个特征时 - 颜色，可以是红色或蓝色或绿色，在做 One Hot Encoding 时每个都将是一个向量，如：[1 0 0] [0 1 0] 和 [0 0 1].
我无法弄清楚如何将这些 One Hot Encoding 向量合并到已经存在的特征矩阵中，然后在假设方程中使用它
是的，您应该从数据集中删除所有未编码的分类特征，对它们进行编码并从一个热编码中添加它们的编码值，当然您还必须将相应的权重添加到 theta 中。然后你可以在这个新数据集上拟合你的新模型