当标注维度太大，想另辟蹊径而不是one-hot encoding
When labeling dimension is too big and want to find another way rather than one-hot encoding
我是学习机器学习的初学者
我尝试制作一些模型 (FNN)，但该模型的输出标签太多，无法使用单热编码。
你能帮帮我吗？
我想解决这个问题：
标签数据用于水果：
类型（苹果、葡萄、桃）、质量（好、普通、差）、价格（贵、普通、便宜）、尺寸（大、普通、小）
所以，如果我做one-hot encoding，数据大小最大为3*3*3*3, 81
我认为标签数据看起来像4个one-hot-encoding序列数据。
有没有什么办法可以做小维标注数据，而不是81维一维热编码？
我认为也可以使用二进制编码，但认识到在NN中使用二进制编码的一些缺点。
谢谢 :D
如果你对 4 个变量进行热编码，你将有 3+3+3+3=12 个变量，而不是 81 个。
这个概念是您需要为分类特征中的每个类别创建一个二元变量，而不是为四个特征中的每种可能的类别组合创建一个。
不过，其他可能的方法是数字编码、二进制编码（如您所述）或频率编码（根据数据集中的频率更改每个类别）。结果通常取决于问题，因此请尝试不同的方法，看看哪种方法最适合您！
但即使您使用 One-Hot-Encoding，正如@DavideDn 指出的那样，您也将拥有 12 个功能，而不是 81 个，这不是一个令人担忧的数字。
但是，假设这个数字确实是81，你仍然可以使用降维技术（如主成分分析）来解决这个问题。
我是学习机器学习的初学者
我尝试制作一些模型 (FNN)，但该模型的输出标签太多，无法使用单热编码。
你能帮帮我吗？
我想解决这个问题： 标签数据用于水果：
类型（苹果、葡萄、桃）、质量（好、普通、差）、价格（贵、普通、便宜）、尺寸（大、普通、小）
所以，如果我做one-hot encoding，数据大小最大为3*3*3*3, 81
我认为标签数据看起来像4个one-hot-encoding序列数据。
有没有什么办法可以做小维标注数据，而不是81维一维热编码？
我认为也可以使用二进制编码，但认识到在NN中使用二进制编码的一些缺点。
谢谢 :D
如果你对 4 个变量进行热编码，你将有 3+3+3+3=12 个变量，而不是 81 个。
这个概念是您需要为分类特征中的每个类别创建一个二元变量，而不是为四个特征中的每种可能的类别组合创建一个。
不过，其他可能的方法是数字编码、二进制编码（如您所述）或频率编码（根据数据集中的频率更改每个类别）。结果通常取决于问题，因此请尝试不同的方法，看看哪种方法最适合您！
但即使您使用 One-Hot-Encoding，正如@DavideDn 指出的那样，您也将拥有 12 个功能，而不是 81 个，这不是一个令人担忧的数字。 但是，假设这个数字确实是81，你仍然可以使用降维技术（如主成分分析）来解决这个问题。