logo
Loading...

為什麼要對Label做One Hot Encoding? - Cupoy

之前的作業都是針對feature做 One Hot Encoding, 這次的範例和作業對Label...

ml100-2,ml100-2-d67

為什麼要對Label做One Hot Encoding?

2019/07/02 下午 05:10
機器學習共學討論版
潘鎮帆
觀看數:139
回答數:2
收藏數:1
ml100-2
ml100-2-d67

之前的作業都是針對feature做 One Hot Encoding, 這次的範例和作業對Label做One Hot Encoding的目的是什麼呢?是因為 Deep Learning的特性所以需要對label做這樣的處理嗎?

回答列表

  • 2019/07/03 上午 10:49
    Jimmy
    贊同數:4
    不贊同數:0
    留言數:1

    Hi 鎮帆!


    只要是做分類問題的時候,都要對 label 做 one-hot encoding喔!之前 sklearn 的模型不用做的原因是因為,模型內部的程式碼會自動幫你做。而 Keras 則是要求你先做完 one-hot 後再送進模型。結論是分類問題一定要做 one-hot,實作上要不要則是根據套件的說明文件來看喔。

  • 2019/07/15 上午 11:15
    張維元 (WeiYuan)
    贊同數:0
    不贊同數:0
    留言數:0

    這邊可以補充說明一下:「只要是做分類問題的時候,都要對 label 做 one-hot encoding喔!」


    實際上應是做分類問題的時候,不管是「MultiClass」或「MultiLabel」 底層都還是「Binary Classification」,因此必須要把 target label 轉為二元的。細節可以參考這一篇,我覺得圖解解說得很清楚。