Funktionshashning

term_id: feature_hashing

Category: basic_concepts

Definition

Funktionshashning, även känd som hash-tricket, gör att maskininlärningsmodeller kan hantera stora, glesa funktionsrymder utan att behålla en explicit mappning mellan funktioner och index. Genom att tillämpa en hash-funktion kan antalet dimensioner reduceras till en förutbestämd storlek, vilket minskar minnesanvändningen och accelererar beräkningen, särskilt när antalet potentiella funktioner är mycket stort eller dynamiskt.

Summary

En teknik som avbildar högdimensionella, glesa funktioner på en vektor med fast storlek med hjälp av en hash-funktion.

Key Concepts

  • Hash-funktion
  • Glesa vektorer
  • Dimensionalitetsreducering
  • Minneseffektivitet

Use Cases

  • Textklassificering med stora vokabulärer
  • Rekommendationssystem med enorma objektuppsättningar
  • Bearbetning av strömmade data i realtid

Code Example

1
2
3
4
5
6
7
8

from sklearn.feature_extraction import FeatureHasher
import numpy as np

# Example: Hashing text features
hasher = FeatureHasher(n_features=10, input_type='string')
docs = ['hello world', 'hello python', 'world python']
hashed = hasher.transform(docs)
print(hashed.toarray())

Related