python - 处理多个分类输入和可变大小的组作为神经网络的输入

问题描述

我正在处理由数字和分类特征组成的数据，其中每个输入都由一组可变大小的特征组成。例如：通过使用房屋中每个房间的特征来预测房屋的价格，并且每个房屋可以有不同数量的房间。特征可以是米大小、类型（例如客厅/浴室/卧室）、颜色、地板……一些分类特征具有高基数，我可能会使用很多特征。我想使用 n 个房间的特征来预测每栋房子的价格。我将如何构建我的输入/nn 模型以接收可变大小的输入组？

我曾想过使用 one-hot 编码，但最终我会得到很大的输入向量，并且我会失去每个房间的特征之间的联系。我也想过使用嵌入，但我不确定最好的方法是组合特征/样本以正确输入所有数据，而不会丢失有关哪些特征来自哪些样本等的任何信息。

标签： pythonmachine-learningkerasneural-networkembedding

正如下面链接的文章所暗示的那样……您可以选择三种路线之一。

我认为序数编码不是您示例的正确用例
您已有效排除的一种热编码。
差异编码，我认为有点适合，因为有主卧室，次要卧室，客人卧室和儿童卧室。所以，试试那个角度。

链接到漂亮的文章

快乐编码:)

python - 处理多个分类输入和可变大小的组作为神经网络的输入

问题描述

解决方案

推荐阅读