将不同形状的特征矩阵组合成单个特征

Question

我使用的库只支持一个功能矩阵作为输入。

因此，我想将我的两个特性合并为一个功能。

特性#1:一个简单的浮点数，例如tensor([1.9])

• Feature #2:我想要一个热编码tensor([0., 1., 0])

tensor([
    [1.9, 0., 0.],     # row 1 for float
    [0., 1., 0.]       # row 2 for OHE
])

我的计划是将1x1特性和3x1特性合并成一个3x2。

对于浮动行，我总是将第二项和第三项归零。<--有更好的方法吗？我应该用三个1.9的吗？

这种方法能同时对这两种特征进行训练吗？

Answer 1

是的，你提出的建议是可行的，因为模型只会学会忽略第二和第三个指数。但是由于它们从未被使用过，所以您可以直接将它们连接起来，即

tensor([1.9, 0., 1., 0.])

您不需要以任何方式向模型“指示”第一个值是标量，其余值作为一个单一热编码操作。该模型将为您所关心的任务确定相关的功能。