python人工神经网络分类_如何在人工神经网络中处理多个分类列？

你的名字 2023-01-09 01:21 191阅读 0赞

目前，我正在下面的dataset工作，其中我有多个列具有不同的值，我希望将每一行分类到正确的类别中—在本例中，是正确的工程师。在

目标：根据类别、问题类别、受影响的设备、创建原因、问题状态和优先级，确定票证属于哪个工程师。这是一个分类问题，我用人工神经网络来解决这个问题。在Structure of the dataset

Category | Problem Category | Affected devices | Reason for creating | Issue status | Priority | Security Engineer

Cybersecurity Penetration breach Personal user devices Hourly analysis Transferred 3 K. Schulz

Cybersecurity Lack of Cert Company main devices Hourly analysis Closed 2 U. Frank

IoT Malware installed Personal user devices Hourly analysis Transferred 2 L. Tolso

....

....

\# Matrix of features

X = dataset.iloc\[:,:-1\].values

\# dependent variable: engineers

y = dataset.iloc\[:,-1:\].values

\# Encode the categorical data to numerical data

\# The priority column will not be encoded because it is already in numerical data, i.e., 0,1,2,3.

labelEncoder\_X\_category = LabelEncoder()

labelEncoder\_X\_problem\_category = LabelEncoder()

labelEncoder\_X\_affected\_devices = LabelEncoder()

labelEncoder\_X\_reason\_for\_creating = LabelEncoder()

labelEncoder\_X\_issue\_status = LabelEncoder()

X\[:, 0\] = labelEncoder\_X\_category.fit\_transform(X\[:, 0\])

X\[:, 1\] = labelEncoder\_X\_problem\_category.fit\_transform(X\[:, 1\])

X\[:, 2\] = labelEncoder\_X\_affected\_devices.fit\_transform(X\[:, 2\])

X\[:, 3\] = labelEncoder\_X\_reason\_for\_creating.fit\_transform(X\[:, 3\])

X\[:, 4\] = labelEncoder\_X\_issue\_status.fit\_transform(X\[:, 4\])

\# Create dummy variable

\# Column zero (Category) will be used to split the encoded data of this column into multiple columns with many 0s and 1s

oneHotEncoder\_category = OneHotEncoder(categorical\_features = \[0\])

\# Once the column zero has been separated into columns of 0s and 1s, attach it to the current matrix of features

X = oneHotEncoder\_category.fit\_transform(X).toarray()

print(X)

\# Split the data into training and test set

\# Not yet implemented because I want to solve my questions

\# Feature scaling

\# Not yet implemented because I want to solve my questions

问题除了Priority列之外，所有的列都被编码成数值，只有第0列(Category)被拆分成0s和1s的几列，但我是否也需要将其他列拆分为0s和1s，还是只有一列就足够了？

我担心我需要避免多重共线性的问题，也就是说，我不能在我的模型中包含所有的虚拟变量，但是如果我把其余的列编码成0和1，我如何应用同样的原则呢？

我试着尽可能详细地阐述我对这个问题的看法，我希望我没有混淆任何人，但是如果我有，请随时纠正我或问我更多的问题，我将非常乐意帮助你。在

发表评论取消回复

表情：

评论列表（有 0 条评论，191人围观）

还没有评论，来说两句吧...

相关阅读

相关 MATLAB人工神经网络ANN代码

本文介绍基于MATLAB实现人工神经网络（ANN）回归的详细代码与操作。目录 [1 分解代码][1] [1.1 循环准备][1.1]

清疚/ 2024年03月16日 12:28/ 0 赞/ 14 阅读

相关【神经网络】综合篇——人工神经网络、卷积神经网络、循环神经网络、生成对抗网络

前言本文综合整理常用的神经网络，包括生物神经网络、人工神经网络、卷积神经网络、循环神经网络、生成对抗网络；参考了许多高校的课程、论文、博客和视频等。文章的结构是先进行概

谁践踏了优雅/ 2023年01月13日 09:48/ 0 赞/ 154 阅读

相关 python人工神经网络分类_如何在人工神经网络中处理多个分类列？

目前，我正在下面的dataset工作，其中我有多个列具有不同的值，我希望将每一行分类到正确的类别中—在本例中，是正确的工程师。在目标：根据类别、问题类别、受影响的设备、创建

你的名字/ 2023年01月09日 01:21/ 0 赞/ 192 阅读

相关人工神经网络导论_神经网络导论

![ee73f9e74351c8b0e456365d25183d81.png][] 人工神经网络导论 Here you will get an introduction t

心已赠人/ 2022年12月07日 13:30/ 0 赞/ 238 阅读

相关人工神经网络（ANN）学习笔记（一）

重要评价指标： Nash Sutcliffe Index 纳什·萨特克利夫指数指数NASH of 0.89, 水文建模的一个指标。在估计误差方差等于零的完美模型的情况下，得到

亦凉/ 2022年11月10日 10:53/ 0 赞/ 231 阅读

相关最简单的人工神经网络

> 原文地址：Simplest artificial neural network > > 原文作者：Givi Odikadze（已授权） > > 译者 & 校正：Hell

痛定思痛。/ 2022年09月08日 11:35/ 0 赞/ 205 阅读

相关人工神经网络（一）概述

百科解释： > 人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经

系统管理员/ 2022年05月17日 07:43/ 0 赞/ 292 阅读

相关神经网络基础与人工神经网络

神经网络基础与人工神经网络神经网络方面的研究很早就已出现，今天“神经网络”已是一个相当大的、多学科交叉的学科领域。神经网络中最基本的成分是神经元模型。 ![神经网络]

本是古典何须时尚/ 2022年03月16日 01:06/ 0 赞/ 376 阅读

相关人工神经网络（一）概述

百科解释： > 人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经

比眉伴天荒/ 2022年02月01日 11:53/ 0 赞/ 597 阅读

相关人工神经网络

1.基本组成输入层（特征向量）隐藏层输出层每层由神经元或单元组成；输入层由训练集的样本特征向量传入；经过连接点的权重传入下一层，上一层的加权

「爱情、让人受尽委屈。」/ 2021年10月29日 15:32/ 0 赞/ 550 阅读