One-hot encodings: differenze tra le versioni

Da Wiki AI.
Nessun oggetto della modifica
Nessun oggetto della modifica
 
(3 versioni intermedie di 2 utenti non mostrate)
Riga 1: Riga 1:
{{Template concetto
|NomeInglese=One-hot encodings
}}
Un one-hot encoding è una tecnica utilizzata per rappresentare variabili categoriche come vettori binari, dove ogni categoria è rappresentata da un vettore di lunghezza uguale al numero totale di categorie, con tutti gli elementi a zero tranne quello corrispondente alla categoria, che è impostato su uno.
Un one-hot encoding è una tecnica utilizzata per rappresentare variabili categoriche come vettori binari, dove ogni categoria è rappresentata da un vettore di lunghezza uguale al numero totale di categorie, con tutti gli elementi a zero tranne quello corrispondente alla categoria, che è impostato su uno.


Riga 7: Riga 10:
* Categoria 3: [0, 0, 1]
* Categoria 3: [0, 0, 1]


[[Category:concetto]]
{{#seo:
            |title=One-hot encodings
            |title_mode=append
            |keywords=one-hot encoding, codifica one-hot, variabili categoriche, vettori binari, rappresentazione dei dati, apprendimento automatico, machine learning, analisi dei dati
            |description=Un one-hot encoding è una tecnica di rappresentazione di variabili categoriche come vettori binari. Ogni categoria è rappresentata da un vettore con tutti gli elementi a zero tranne quello corrispondente alla categoria, che è impostato su uno. Questo esempio illustra come funziona la codifica one-hot per tre categorie.
           
            }}

Versione attuale delle 13:47, 17 ago 2024

One-hot encodings
Nome Inglese One-hot encodings
Sigla

Un one-hot encoding è una tecnica utilizzata per rappresentare variabili categoriche come vettori binari, dove ogni categoria è rappresentata da un vettore di lunghezza uguale al numero totale di categorie, con tutti gli elementi a zero tranne quello corrispondente alla categoria, che è impostato su uno.

Ad esempio, se abbiamo tre categorie e vogliamo rappresentarle utilizzando il one-hot encoding, otterremmo:

  • Categoria 1: [1, 0, 0]
  • Categoria 2: [0, 1, 0]
  • Categoria 3: [0, 0, 1]