为什么使用OneHotEncoding可以更好地执行NN？

Question

我想问一个一般情况的问题。所以我正在使用扑克手数据集，它有10个从0到9的可能输出，每个数字给出一个扑克手，例如royal flush

所以我在互联网上读到，在一个多类问题中使用OHE是必要的，因为如果没有OHE，就像一个人工秩序，例如，如果你与城市合作。但在我的情况下，扑克手有一个命令，从一对超过同花顺，直接到皇家同花顺，对吗

尽管我的nn在OHE上表现更好，但在没有OHE的情况下也能工作（但很糟糕）。 那么，为什么OHE的效果更好呢？我做了一个有两个隐藏层的密集网络

Answer 1

简短回答-根据分类中特征的使用和所用分类器的实现，决定是否使用OHE。如果该功能是一个类别，因此排名没有意义（例如，卡套1=俱乐部，2=心脏…），那么您应该使用OHE（对于需要分类区分的框架），因为排名没有意义。如果该功能对分类有排名意义，，则保持原样（例如，获得某个winnig牌的概率）

由于您没有指定使用NN、损失函数和许多其他东西的任务，我只能假设，当您说“…我的NN使用OHE执行得更好”时，您希望将组合分类为一类扑克牌，在这种情况下，数据仅为学习者呈现类以区分它们（作为一个类别而不是作为一个等级）。你可以添加一个概率和/或手的力量等特征。这将是一个等级特征-对于结果分类器，如果添加它是否会改善（意味着特征的数量对分类性能的影响），这是一个完全不同的主题

希望我理解正确

注意-这是一个大问题，有很多人挥手，但这是范围