Inżynier ML przygotowuje dane wejściowe dla sieci neuronowej w celu przewidywania sukcesu kampanii reklamowej. Zbiór danych zawiera schemat kolorów reklamy jako cechę kategoryczną. Jakiej metody inżynierii cech powinien użyć inżynier dla tych kategorycznych danych kolorów?
Wybierz odpowiedź
Dotknij opcji, aby sprawdzić swoją odpowiedź.
Poprawna odpowiedź: Zastosuj kodowanie one-hot (one-hot encode) do kategorii kolorów, tak aby cecha schematu kolorów stała się macierzą binarną..
Dlaczego to jest odpowiedź
Kodowanie one-hot jest najlepszą metodą dla danych kategorycznych, takich jak schematy kolorów, ponieważ tworzy binarną reprezentację każdej kategorii. Zapobiega to wprowadzeniu sztucznej kolejności lub wagi, którą algorytmy uczenia maszynowego mogłyby błędnie zinterpretować, gdyby użyto kodowania etykiet. Kodowanie etykiet (label encoding) przypisałoby liczby całkowite, sugerując porządek (np. 1 jest "większe" niż 0), co jest nieprawidłowe dla kolorów. Dopełnianie (padding) jest stosowane do sekwencji, aby ujednolicić ich długość, a nie do kodowania cech kategorycznych. Redukcja wymiarowości jest używana do zmniejszania liczby cech, a nie do początkowego kodowania danych kategorycznych.
Zdaj egzamin — bez niekończącego się szukania odpowiedzi
Uzyskaj wszystkie zweryfikowane pytania i wyjaśnienia do tego egzaminu w jednym miejscu i zaoszczędź godziny przygotowań. Ponad 1000 certyfikacji · Ponad 20 języków · Zacznij za darmo.
Zdaj egzamin szybciej → Karta nie jest wymagana