0
点赞
收藏
分享

微信扫一扫

数据预处理之数据编码

船长_Kevin 2022-01-03 阅读 39

对离散的数据集进行编码是很常见的事情,标准步骤为首先划分训练集和测试集,对训练集进行学习,然后用训练集产出的中间变量对测试集进行编码

如果一股脑将所有数据集进行编码/解码

这样做简单快速,可以让我们快速掌握数据的基本情况,但存在几个缺陷:
> 1. 数据泄露。在预处理时使用测试集的数据,会让模型提前知道一部分测试集相关的信息和答案,因此得出的结果是虚高的,模型的泛化能力将大打折扣
> 2. 模型不具备编码新数据的能力,因此不能用于新数据,只能限制于当前数据

举报

相关推荐

0 条评论