如何对具有字符串值的数据使用梯度下降？

问题描述

我想解决预测房价问题 (https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data)

如何在 Octave 中将字符串数据转换为数值数据？

解决方法

该链接是收费的，但它的标题提到了“分类”这个词，所以我假设“数字”是指整数标签，而不是将表示数字的字符串解析为它的等效浮点数。

考虑到这一点，下面是一种典型的表示方式。

Indices = [ 1,2,3,1,1 ];
Labels  = { 'class1','class2','class3' };

其实就是这么简单。如果你真的希望这是一个单一的“变量”，你可以将它收集到一个结构中：

MyCategoricalVariable = struct( 'indices',Indices,'labels',Labels );

显然，这首先取决于数据是如何提供给您的。如果给定的是字符串而不是标签，则可以将其转换为索引/标签对，如下所示：

Data = { 'a','b','c','a','b' };
Labels = unique( Data );
[~,Indices] = ismember( Data,Labels )

,

字符串数据有两种可能

1. 只需一两个词，test 的值不会改变（即对于一列，它将采用文本的固定值），然后您可以使用标签。这将解决您的问题。
2. 如果您有可以取任何值且长度不固定的列，您可以先进行 TF-IDF 并基于它来训练您的模型。