핸즈온 머신러닝(3판)

560

2

부

신경망과 딥러닝

(동일한 범주를 사용한다고 가정할 때 ) 동시에 한 개 이상의 범주형 특성을 인코딩하면

CategoryEncoding

클래스는 기본적으로

멀티-핫 인코딩

multi

-

hot

encoding

을 수행합니다. 즉, 입

력 특성에 있는 범주에 해당하는 위치마다 출력 텐서의 값이

1

이 됩니다. 예를 들면 다음과 같

습니다.

>>> two_age_categories = np.array([[1, 0], [2, 2], [2, 0]])

>>> onehot_layer(two_age_categories)

<tf.Tensor: shape=(3, 3), dtype=float32, numpy=

array([[1., 1., 0.],

[0., 0., 1.],

[1., 0., 1.]], dtype=float32)>

각 범주가 얼마나 많이 등장하는지 알고 싶다면

CategoryEncoding

층을 만들 때

output

_

mode

="

count

"

를 추가합니다. 이렇게 하면 출력 텐서에 각 범주의 등장 횟수가 포함되므로 이

전 예시에서 두 번째 행의 경우

[

0

.,

0

.,

2

.]

이 될 것입니다.

멀티-핫 인코딩과 카운트 인코딩은 범주를 활성화한 특성이 어떤 것인지 알 수 없기 때문에 정

보에 손실이 있다는 점을 유념하세요. 예를 들어

[

0

,

1

]

과

[

1

,

0

]

은 모두

[

1

., ...