为二进制分类任务嵌入分类数据的正确方法是什么

Question

我想在Keras使用一个简单的前馈网络。我的一些数据值是在我将其提供给网络之前要嵌入的类别。

使用以下示例数据：

+-------------+---------+
|category_val | Numeric |
+-------------+---------+
|"A"          | 0.5     |
+-------------+---------+
|"B"          | 0.2     |
+-------------+---------+
|"C"          | 0.1     |
+-------------+---------+

我在category_val列上使用了pandas.get_dummies并得到：

+---+-----------+-----------+-----------+
| id| category=A| category=B| category=C|
+---+-----------+-----------+-----------+
|  0|          1|          0|          0|
|  1|          0|          1|          0|
|  2|          0|          0|          1|
+---+-----------+-----------+-----------+

这是否意味着我的输入层应该有4个输入功能（3个用于生成的热矢量，1个用于数值）？

喜欢SO：

将类别更改为数字IE似乎更容易：A = 1，B = 2，C = 3然后只有2个功能，正确的方法是什么？为什么？

Answer 1

这是否意味着我的输入层应该有4个输入功能（3个用于生成的热矢量，1个用于数值）？

是。这意味着输入层有4个功能。

将类别更改为数字IE似乎更容易：A = 1，B = 2，C = 3然后只有2个功能，正确的方法是什么？为什么？

更改A=1, B=2, C=3更容易。然而，它告诉神经网络C某种程度上比B更大，这在某种程度上大于A。要理解这个问题，让我们假设你的Category实际上是一个物体的颜色。将颜色作为数字处理意味着red大于blue或blue大于red，这是非常无意义的。我们知道神经网络只是连接数学函数，它们会将分配较大数字的颜色视为较大的颜色，因此将数字分配给颜色是错误的方法。因此，通过单独的特征来表示每种颜色是有意义的。有助于将这些0和1视为与每个特征值相关的概率。例如，red的值为1表示该对象为red的概率为1.值0表示0概率。