为什么使用 OneHotEncoding 可以更好地执行 NN？
Why performs the NN better with OneHotEncoding?
我有一个关于一般情况的问题。所以我正在使用 poker-hand-dataset，它有 10 个可能的输出，从 0-9，每个数字给出一个扑克手，例如皇家同花顺。
所以我在互联网上读到，有必要在多类问题中使用 OHE，因为如果不这样做，就会出现人为的顺序，例如，如果你处理城市。但在我的情况下，扑克手有一个订单，从一对超过同花顺到皇家同花顺，对吗？
尽管我的 nn 在 OHE 下表现更好，但在没有 OHE 的情况下它也能工作（但很糟糕）。
那么，为什么它与 OHE 配合使用效果更好呢？我做了一个有 2 个隐藏层的密集网络。
简短回答 - 根据 classification 中功能的使用以及您使用的 classifier 的实现，您决定是否使用 OHE。如果该特征是一个类别，以至于排名没有意义（例如，卡片的花色 1=梅花，2=红心...）那么您应该使用 OHE（对于需要分类区分的框架），因为排名它没有任何意义。如果该特征具有排名意义，关于class化，则保持原样（例如，获得某手牌的概率）。
因为你没有指定你正在使用 NN 的任务，也没有指定损失函数和许多其他东西 - 我只能假设当你说“......我的 nn 在 OHE 上表现更好”时你想要class 将组合确定为 class 手牌，在这种情况下，数据仅向学习者呈现 class 以区分它们（作为类别 不是 作为排名）。您可以添加概率 and/or 手的强度等特征，这将是一个排名特征 - 至于结果 classifier，如果添加它会改善与否，那就是另一个话题了（意思是class化性能的特征数量）。
希望我理解正确。
注意 - 这是一个大问题，有很多人在挥手，但这是范围。
我有一个关于一般情况的问题。所以我正在使用 poker-hand-dataset，它有 10 个可能的输出，从 0-9，每个数字给出一个扑克手，例如皇家同花顺。
所以我在互联网上读到，有必要在多类问题中使用 OHE，因为如果不这样做，就会出现人为的顺序，例如，如果你处理城市。但在我的情况下，扑克手有一个订单，从一对超过同花顺到皇家同花顺，对吗？
尽管我的 nn 在 OHE 下表现更好，但在没有 OHE 的情况下它也能工作（但很糟糕）。 那么，为什么它与 OHE 配合使用效果更好呢？我做了一个有 2 个隐藏层的密集网络。
简短回答 - 根据 classification 中功能的使用以及您使用的 classifier 的实现，您决定是否使用 OHE。如果该特征是一个类别，以至于排名没有意义（例如，卡片的花色 1=梅花，2=红心...）那么您应该使用 OHE（对于需要分类区分的框架），因为排名它没有任何意义。如果该特征具有排名意义，关于class化，则保持原样（例如，获得某手牌的概率）。
因为你没有指定你正在使用 NN 的任务，也没有指定损失函数和许多其他东西 - 我只能假设当你说“......我的 nn 在 OHE 上表现更好”时你想要class 将组合确定为 class 手牌，在这种情况下，数据仅向学习者呈现 class 以区分它们（作为类别 不是 作为排名）。您可以添加概率 and/or 手的强度等特征，这将是一个排名特征 - 至于结果 classifier，如果添加它会改善与否，那就是另一个话题了（意思是class化性能的特征数量）。
希望我理解正确。
注意 - 这是一个大问题，有很多人在挥手，但这是范围。