machine-learning - 在训练机器学习模型时,我们是否需要一个热编码或标签编码目标列
问题描述
具有列的数据集-目标列-水果名称(数据-芒果,橙,苹果),特征列-大小(数字),颜色(红色,绿色,黄色),重量(数字)
我对颜色列进行了一次热编码并准备了特征,每一列都有数值。
我想使用分类模型进行预测。
如果我有一个我必须进行预测的目标列,它由分类数据(例如苹果、橙色、芒果)组成,所以如果我想使用逻辑回归模型,它是一个基于分类的模型,我做也需要对目标列进行一种热编码或标签编码,就像我们对特征列(名称颜色)所做的那样。
谢谢
解决方案
不,它会起作用,因为给定输入 X,逻辑回归会返回 Y = y 的概率。
推荐阅读
- python - 如何在python中格式化文本文件中的行
- c++ - 如何根据计数器缩放值
- node.js - 使用 puppeteer 执行 Jest 测试时出现超时错误
- flutter - 如何从用户登录中获取数据以在主页上显示和更新用户名?
- flutter - 如何在单击单个按钮时激活 setState 和snackBar?
- ffmpeg - ffmpeg - 在背景图像上覆盖文本
- javascript - 如何在数组中随机生成一个项目而不连续两次获得相同的项目?
- c++ - 我如何开始这个问题以及如何找到 -ve 号码?
- azure - 在没有 Office 365 的情况下使用 AIP/MISP 标签
- javascript - 如何将函数循环到 VueJs 方法中?