不需要标签的一次性编码？
One-Hot Encoding of label not needed?
我正在尝试理解 classic Iris 分类问题的指导教程中的代码块。
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 中，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 物种作为字符串。
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，为什么模型仍然有效？我对其他教程的理解是，对于 multi-class classification，我需要先进行 one-hot 编码。
代码运行良好，我想掌握何时需要 One-Hot Encode 以及何时不需要。谢谢！
据我所知，从未对输出进行过一次热编码。您需要对一个特征进行一次热编码，这样模型就不会混淆某些颜色大于其他颜色。当您计算输出时，模型使用基于 类 的概率分布。所以这里不会有任何问题。
简而言之，您应该只对输入特征而不是输出特征进行一次热编码 类。
我认为您可能混淆了 multiclass (your case) with a multioutput 分类。
在多类分类问题中，您的输出应该只是一个目标列，您将训练模型在该列的 类 中进行分类。你必须分成单独的目标列，在这种情况下你必须预测 n 不同的 类 每个样本 ，但事实并非如此，你只想要每个样本的目标之一。
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 中也可以是分类的）。您 做 必须使用 OneHotEncoder 或其他一些编码器进行编码的是 分类 输入特征，它必须是数字.
此外，SVC 可以处理分类目标，因为它 LabelEncode 在内部是它们：
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')
我正在尝试理解 classic Iris 分类问题的指导教程中的代码块。
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 中，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 物种作为字符串。
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，为什么模型仍然有效？我对其他教程的理解是，对于 multi-class classification，我需要先进行 one-hot 编码。
代码运行良好，我想掌握何时需要 One-Hot Encode 以及何时不需要。谢谢！
据我所知，从未对输出进行过一次热编码。您需要对一个特征进行一次热编码，这样模型就不会混淆某些颜色大于其他颜色。当您计算输出时，模型使用基于 类 的概率分布。所以这里不会有任何问题。
简而言之，您应该只对输入特征而不是输出特征进行一次热编码 类。
我认为您可能混淆了 multiclass (your case) with a multioutput 分类。
在多类分类问题中，您的输出应该只是一个目标列，您将训练模型在该列的 类 中进行分类。你必须分成单独的目标列，在这种情况下你必须预测 n 不同的 类 每个样本 ，但事实并非如此，你只想要每个样本的目标之一。
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 中也可以是分类的）。您 做 必须使用 OneHotEncoder 或其他一些编码器进行编码的是 分类 输入特征，它必须是数字.
此外，SVC 可以处理分类目标，因为它 LabelEncode 在内部是它们：
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')