machine-learning - 是否需要将多个分类标签从浮点值转换为单热编码

Question

我有 iris 示例，示例数据中的类型具有三个浮点值：0.0、1.0、2.0。

我只是猜测，它们之间的大小关系可能会误导训练模型。

我对吗？是否应该使用 one-hot 编码或其他方式将其转换为三个向量？

from keras.utils import np_utils

trainY = np_utils.to_categorical(trainY)

标签： machine-learningkeras

Answer 1

在 iris 数据集中，有三个可能的标签。

转换为数字时，您会得到 0、1、2 个离散整数。所以，你有三个分类问题的类。

如果您将它们转换为一个热点，则使用categorical_crossentropyelse use sparse_categorical_crossentropy。