Классификация: цель с более чем 2 классами

Question

Я делаю упражнение по классификации и сталкиваюсь с целью более чем с 2 категориальными классами.Я закодировал эти классы, используя Labelencoder.Единственная проблема в том, что я думаю, что мне, возможно, придется использовать Onehotencoding после того, как у меня больше не только ноль и 1, но 0,1,2,3.Реальность такова, что я просто не знаю, примет ли Кнн или Решение Т. это число как классы.Если нет, может кто-нибудь сказать мне, что делать?

Вот моя первая цель:

Good 
bad
medium
excellent

Я изменил это на следующее:

1
3
2
0

Я думаю, мойреальный вопрос в том, может ли это быть непосредственно использовано как классы для моей цели, или мне нужно дальнейшее проектирование?

Answer 1

Большинство моделей в Sklearn поддерживает мультикласс без кодирования одного изображения.KNN и DecisionTree также поддерживают его.

Давайте проверим это на игрушечном примере,

from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neighbors import KNeighborsClassifier

f = [[1, 2], [3.2, 4.5], [2.0, 0.75], [0.25, 3.68]]

t = [1,
3,
2,
0]

lr = LogisticRegression().fit(f, t)
d = DecisionTreeClassifier().fit(f, t)
r = RandomForestClassifier().fit(f, t)
n = KNeighborsClassifier(n_neighbors=3).fit(f, t)

lr.predict(f) # array([3, 3, 2, 0])
d.predict(f) # array([3, 3, 2, 0])
r.predict(f) # array([3, 3, 2, 0])
n.predict(f) # array([0, 0, 0, 0])

Как видите, все они поддерживают мультикласс без единого горячего кодирования.

Если вы хотите использовать Nerual Net, то вам может потребоваться одно горячее кодирование меток на основе используемой вами функции потерь.