多属性色谱柱的H2O处理

H2O如何处理多属性分类功能，即具有逗号分隔值的列，如“1,2,3”、“1,4”、“1,2”？我是否需要将它们手动拆分为多个列—一个热编码

更具体地说，假设数据是选项卡分隔的文件，如下所示：

col1 col2 1 1,2,3 2 1,4 1 1,2

---

答案取决于这些数字代表什么

一个热编码涉及获取一个分类列并将该列扩展为一组布尔列。这里的假设是，在这些布尔列中，一个训练观测值一次只能属于一个列，而这正是“一个热”中的一个列的来源-只有一个列可以处于活动状态

如果你想考虑1，2，3，它是自己的类别而不是三个类别，那么这就是你想要代表数据的方式。在这种情况下，您可以保持数据原样，因为H2O将自动在引擎盖下对分类列进行热编码，只要它们被编码为因子aka enum type。假设您的数据框就是这三行，那么将有三个类别：1、2、3、1、4和1、2

如果col2中的1,2,3值表示第1行与三个独立的类别相关联，则应手动将col2替换为C二进制指示符列，其中C是类别的总数。同样，如果这三行代表了整个数据帧，那么应该用四列替换col2。您的新数据框如下所示：

col1 col2_1 col2_2 col2_3 col2_4  
1    1      1      1      0
2    1      0      0      1
1    1      1      0      0 

---

H2O需要表格数据。请以表格格式举例说明您的数据。我不知道这些值是否代表数据的一个单元格。。。我不确定如何将该数据保存在CSV文件中，除非单元格是如下所示的字符串：“1,2,3”、“1,4”、“1,2”。我有一个tsv选项卡分隔的文件，其中一列有逗号分隔的值。我添加了这个示例，但您可以假设数据只是一个数据帧。好的，谢谢，这更有意义。谢谢，这完全有意义，只是想知道我是否必须手动执行。