ml.net - 如果我为 ML.Net 预测传递分类值怎么办？

Question

例如，如果我针对这些值训练模型

Column1 = A , Column2 = B , Column3 = C , Label = 10 
Column1 = D , Column2 = E , Column3 = F , Label = 20
Column1 = G , Column2 = H , Column3 = I , Label = 30

如果我想预测怎么办？

Column1 = A , Column2 = B , Column3 = Z

模型为此做了什么？

Answer 1

这取决于您如何处理分类数据。例如，如果您使用基于字典的 one-hot 矢量化器：

new CategoricalOneHotVectorizer("Column2", "Column2", "Column3")

然后模型将为每列构建一个术语字典： Column1 -> [A, D, G] Column2 -> [B, E, H] Column3 -> [C, F, I]

如果尚未看到该值（不在字典中），则将CategoricalOneHotVectorizer零分配给所有“单热”插槽。所以你的例子A B Z将变成1 0 0 1 0 0 0 0 0.

另一方面，如果您使用基于哈希的 one-hot 编码：

new CategoricalHashOneHotVectorizer("Column2", "Column2", "Column3")

传入的值 Z 将以与看到的值 C、F 和 I 相同的方式进行散列，这将根据散列的值激活2^HashBits输出列的插槽之一。

关于这个的文档CategoricalOneHotVectorizer不是很清楚，但它仍然说：

Key 值是 Ind/Bag 选项中设置的槽的从 1 开始的索引。如果未找到 Key 选项，则将其分配为零值。