python - 我如何为泰坦尼克号制作反向传播算法

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 6 年前。

Improve this question

我想为泰坦尼克号(Kaggle 的竞赛)制作反向传播算法。

这很容易做到，但我有一个问题。反向传播算法与数字有关。但泰坦尼克号中有字符串类型。例如，

我们有一栏“性别”(男性或女性)、“出发”(S、C 或 Q)。我不会使用“姓名”和“票证”。我不知道我能用“性别”和“出发”栏做什么。我如何将这些东西用于反向传播算法。

我的想法如何解决这个问题我想我可以对男性使用数字 int=1，对女性使用数字 int=2。另外，我可以使用数字 1 表示 S，使用 2 表示 C，使用 3 表示 Q。

你觉得我的想法怎么样？如何为泰坦尼克号制作反向传播算法？ (也许我的想法不太好)。

Answer 1

My idea how to resolve this problem I think I can use number int=1 for male and number int=2 for female. Also I can use number 1 for S and 2 for C and 3 for Q.

这几乎是正确的。对于只有两个值的特征，用 0 和 1 编码就可以了。但是，如果您的分类特征具有超过 2 个可能值，则切勿将它们编码为单个数字。这种编码只能用于序数特征，这意味着，尽管“不是数字”，但它们确实有顺序。例如，如果您有“小、大、巨大”，那么您可以将它们编码为 1、2、3，但如果您的值完全不可排序，您应该对它们进行一次热编码，这意味着具有 K 的值可能的值在表示中变成 K 位，您只需将 1 放在给定位置(导致(红、蓝、绿)编码为 [1 0 0]、[0 1 0]、[0 0 1]。

如果您不遵守此规则会怎样？假设你的特征是一个名字，你有四种可能性“James、Mark、Eve、Kate”，你将它们编码为 1、2、3、4。然后，如果你的模型得知 James 和 Eve 获得了很好的分数，而Kate 不会，它会(或者至少有相当大的概率)推断出 Mark 也有很好的分数，因为从模型的角度来看，没有名字，只有任意特征，并且值为 1 的人是好，值 3 是好的，值 4 是坏的，因此假设“2”也是好的也是一个不错的推理。请注意，这只是编码的结果，如果您只是以不同的方式排列名称 - 您会得到不同的结果。 One-hot 编码不会发生这种情况。

如果您想使用仅在 R^d 空间上定义的方法，这就是 ML 中通常执行的操作。当然，如果人们对这一功能了解更多，有时可以提出更好的编码，例如颜色可以分解为其 RGB 表示形式，这样您就可以直接对红色、橙色和黄色之间的相似性进行编码。一般来说 - 一种热编码是最安全方法，任何其他方法都会引入一些可能误导您的模型的假设(如果它们是错误的)。