- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在泡菜...
我有一个包含 >100,000 个观察值的数据集;数据集的列包括 客户 ID , 供应商 ID , 产品编号 和 CatNMap .这是它的样子:
正如您所看到的,前 3 列(CustomerID、VendorID、ProductID)中表示的值表示唯一的数字映射值,如果在 x,y 平面上表示将毫无意义(这消除了许多分类方法的使用);最后一列包含由客户分配的类别的字符串。现在,这是我不明白并且不确定如何处理的部分......
目标:是预测 CatNMap future 对客户的值(value),但是在我看来,我在这里拥有的功能没有用,是真的吗?现在,如果是,我可以使用什么方法作为 CatNMap 列有 >7,000 个唯一值;此外,如果让我们说对于同一产品,不同客户分配了 2 个或更多不同类别,那么任何方法将如何处理对 future 项目的分类?我需要为此实现 NN 吗?
感谢所有的答案!
最佳答案
据我了解,您的目标是预测 CatNMap
(您的输出数据)基于前 3 列(您的输入数据作为特征)。
正如你之前所说, ( CustomerID, VendorID, ProductID
) 是 3 categorical variables ,这意味着它们可能具有的值(value)与数量无关,而是与类别有关。所以两个连续的值可能与它们的实际含义无关。在我看来,您的输出 CatNMap
也会发生同样的情况.
话虽如此,有几种方法可以处理分类变量。
根据我的经验,对于您的问题,我会尝试 One Hot Encoding适用于您的所有数据 ( CustomerID, VendorID, ProductID, CatNMap
)。更重要的是,如果你发现它可能,也许值得一试使用 embeddings为 ProductID, CatNMap
而不是 OneHotEncoding。
至于使用哪种算法,绝对值得一试,训练随机森林和多层感知器模型,并在一些调整后进行比较。
我找到了 this guide在您可以看到一些示例的地方很有用,但还有许多其他资源可以处理此主题。
你也应该看看this .
关于Python/ML : Which methods to use for Multiclass Classification for Product Categorization?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60176912/
我在优化 JOIN 以使用复合索引时遇到问题。我的查询是: SELECT p1.id, p1.category_id, p1.tag_id, i.rating FROM products p1
我有一个简单的 SQL 查询,我正在尝试对其进行优化以删除“使用位置;使用临时;使用文件排序”。 这是表格: CREATE TABLE `special_offers` ( `so_id` int
我有一个具有以下结构的应用程序表 app_id VARCHAR(32) NOT NULL, dormant VARCHAR(6) NOT NULL, user_id INT(10) NOT NULL
此查询的正确索引是什么。 我尝试为此查询提供不同的索引组合,但它仍在使用临时文件、文件排序等。 总表数据 - 7,60,346 产品= '连衣裙' - 总行数 = 122 554 CREATE TAB
为什么额外的是“使用where;使用索引”而不是“使用索引”。 CREATE TABLE `pre_count` ( `count_id`
我有一个包含大量记录的数据库,当我使用以下 SQL 加载页面时,速度非常慢。 SELECT goal.title, max(updates.date_updated) as update_sort F
我想知道 Using index condition 和 Using where 之间的区别;使用索引。我认为这两种方法都使用索引来获取第一个结果记录集,并使用 WHERE 条件进行过滤。 Q1。有什
I am using TypeScript 5.2 version, I have following setup:我使用的是TypeScript 5.2版本,我有以下设置: { "
I am using TypeScript 5.2 version, I have following setup:我使用的是TypeScript 5.2版本,我有以下设置: { "
I am using TypeScript 5.2 version, I have following setup:我使用的是TypeScript 5.2版本,我有以下设置: { "
mysql Ver 14.14 Distrib 5.1.58,用于使用 readline 5.1 的 redhat-linux-gnu (x86_64) 我正在接手一个旧项目。我被要求加快速度。我通过
在过去 10 多年左右的时间里,我一直打开数据库 (mysql) 的连接并保持打开状态,直到应用程序关闭。所有查询都在连接上执行。 现在,当我在 Servicestack 网页上看到示例时,我总是看到
我使用 MySQL 为我的站点构建了一个自定义论坛。列表页面本质上是一个包含以下列的表格:主题、上次更新和# Replies。 数据库表有以下列: id name body date topic_id
在mysql中解释的额外字段中你可以得到: 使用索引 使用where;使用索引 两者有什么区别? 为了更好地解释我的问题,我将使用下表: CREATE TABLE `test` ( `id` bi
我经常看到人们在其Haxe代码中使用关键字using。它似乎在import语句之后。 例如,我发现这是一个代码片段: import haxe.macro.Context; import haxe.ma
这个问题在这里已经有了答案: "reduce" or "apply" using logical functions in Clojure (2 个答案) 关闭 8 年前。 “and”似乎是一个宏,
这个问题在这里已经有了答案: "reduce" or "apply" using logical functions in Clojure (2 个答案) 关闭 8 年前。 “and”似乎是一个宏,
我正在考虑在我的应用程序中使用注册表模式来存储指向某些应用程序窗口和 Pane 的弱指针。应用程序的一般结构如下所示。 该应用程序有一个 MainFrame 顶层窗口,其中有几个子 Pane 。可以有
奇怪的是:。似乎a是b或多或少被定义为id(A)==id(B)。用这种方式制造错误很容易:。有些名字出人意料地出现在Else块中。解决方法很简单,我们应该使用ext==‘.mp3’,但是如果ext表面
我遇到了一个我似乎无法解决的 MySQL 问题。为了能够快速执行用于报告目的的 GROUP BY 查询,我已经将几个表非规范化为以下内容(该表由其他表上的触发器维护,我已经同意了与此): DROP T
我是一名优秀的程序员,十分优秀!