具体而言，与H2O和“enum”类型相比，string处理int's和numerical数据类型的方式有何不同？< / p>
例如，假设我有一个二进制分类器，它接受具有功能的输入样本
x1=(1 of 10 possible favorite ice cream flavors (enum))
x2=(some random phrase (string))
x3=(some number (int))
分类器在培训期间如何处理这些类型会有什么不同？
将数据上传到h2o流UI时，我可以选择将某些数据类型（例如enum）转换为“数字”。这让我觉得当我将“enum”作为“enum”（不转换为“numerical”时，不仅仅是字符串到数字的映射正在进行类型），但我无法找到有关差异的信息。
感谢您的澄清，谢谢。
答案 0 :(得分：1)
＆＃34; enum＆＃34; type是您希望用于分类功能的编码类型。如果分类要素编码为＆＃34; enum＆＃34;，则基于树的算法（如随机森林和GBM）将能够以智能方式处理这些功能。 RF和GBM的大多数其他实现迫使您对分类特征（到K虚拟列）进行单热扩展，但在H2O中，基于树的方法可以使用这些功能而无需任何扩展。可以使用categorical_encoding参数来控制处理变量的确切方法。
如果您有一个有序的分类变量，那么可以将其编码为＆＃34; int＆＃34;但是，这样做对模型性能的影响将取决于数据。
如果您要转换＆＃34; enum＆＃34;列到＆＃34;数字＆＃34;这会简单地将每个类别编码为一个整数，并且你会失去这些数字代表类别的概念（因此不建议这样做）。
你不应该使用＆＃34;字符串＆＃34;键入H2O，除非您要从预测变量集中排除该列。使用＆＃34;字符串＆＃34;是有意义的。文本列，但您可能希望解析（例如，标记化）该文本以生成将包含在预测变量集中的新数字或枚举功能。