Question

我正在使用h2o自动编码器异常来查找模型中的异常数据，但问题是自动编码器仅接受数字预测变量。我的要求是我已经根据CardNumber或商家编号找到了异常值。并且Cardnumber是12位数字（342178901244），并且大多数情况下都是唯一的，因此其名义数据以及我们无法进行热编码，因为它会创建许多与唯一的card no.s一样多的新字段。因此，请提出任何可以包括分类数据的方式，并且仍然可以运行自动编码器

model=H2OAutoEncoderEstimator(activation="Tanh",
                              hidden=[70],
                              ignore_const_cols=False,
                              epochs=40)

model.train(x=predictors,training_frame=train.hex)

#Get anomalous values
test_rec_error=model.anomaly(test.hex,per_feature=True)
train_rec_error=model.anomaly(train.hex,per_feature=True)
recon_error_df['outlier'] = np.where(recon_error_df['Reconstruction.MSE'] > top_whisker, 'outlier', 'no_outlier')

Answer 1

您不能在预测变量（自动编码器或其他任何事物）中放置几乎唯一的分类功能，而不能期望它起作用。

相反，您需要从中提取有意义的功能，具体取决于您要解决的问题。例如，如果它是信用卡号，则可以添加对卡电路进行编码的功能（VISA，万事达卡，美国运通卡...）。
限制仅仅是您对域的想象力和知识。

H20自动编码器异常仅接受数字预测器

1 个答案: