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。