c# - 机器学习网。mlContext.Transforms.Text.FeaturizeText 和 mlContext.Transforms.Categorical.OneHotEncoding 方法有什么区别？

Question

我遇到了分类问题，其中使用 FeaturizeText 方法将一些文本值转换为数字向量。出于相同的目的，在回归问题中使用了 OneHotEncoding 方法。那么区别是什么呢？？？提前致谢。我找不到任何对 Microsoft 文档有帮助的东西。

标签： c#ml.net

Answer 1

OneHotVectorizer 是一个已弃用的 API。也许你可以使用 OneHotEncoding。基于 ML.NET API 参考：

FeaturizeText - 将文本转换为表示 n-gram 和 char-gram 计数的浮点数组。 OneHotEncoding - 通过基于数据构建类别字典并使用字典中的 id 作为数组中的索引，将分类值转换为指示符数组。

基本上，如果你有分类数据（不同的有限值），比如星期几、汽车品牌、任何表达类别的东西，你会想要使用 OneHotEncoding，然后将它们转换为数字。机器学习算法适用于数字，因此需要将文本/图像等转换为数字。

如果您有自由格式的文本，并试图理解其中的某些内容：比如整体情绪是什么，或者这段文本的主题是什么等，您会想要使用 FeaturizeText

用法示例：

FeatureizeText OneHotEncoding