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 10:49Jimmy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。