वन-हॉट - Revision history

Manidh at 05:19, 14 August 2023

2023-08-14T05:19:54Z

← Older revision		Revision as of 10:49, 14 August 2023
Line 125:		Line 125:
	== संदर्भ ==		== संदर्भ ==
	{{Reflist}}		{{Reflist}}
	~~[[Category: डिजिटल इलेक्ट्रॉनिक्स]] [[Category: 1 (संख्या)]]~~

			[[Category:1 (संख्या)]]
			[[Category:CS1 errors]]
	[[Category: ~~Machine Translated Page~~]]
	[[Category:Created On 07/08/2023]]		[[Category:Created On 07/08/2023]]
	[[Category:Vigyan Ready]]		[[Category:Lua-based templates]]
			[[Category:Machine Translated Page]]
			[[Category:Pages with script errors]]
			[[Category:Short description with empty Wikidata description]]
			[[Category:Templates Vigyan Ready]]
			[[Category:Templates that add a tracking category]]
			[[Category:Templates that generate short descriptions]]
			[[Category:Templates using TemplateData]]
			[[Category:डिजिटल इलेक्ट्रॉनिक्स]]

Indicwiki: 12 revisions imported from :alpha:वन-हॉट

2023-08-11T02:03:03Z

12 revisions imported from alpha:वन-हॉट

← Older revision	Revision as of 07:33, 11 August 2023
(No difference)

alpha>Neeraja: added Category:Vigyan Ready using HotCat

2023-08-10T10:10:39Z

added Category:Vigyan Ready using HotCat

← Older revision		Revision as of 15:40, 10 August 2023
Line 131:		Line 131:
	[[Category: Machine Translated Page]]		[[Category: Machine Translated Page]]
	[[Category:Created On 07/08/2023]]		[[Category:Created On 07/08/2023]]
			[[Category:Vigyan Ready]]

alpha>Neeraja: Neeraja moved page एक-गर्म to वन-हॉट without leaving a redirect

2023-08-10T10:10:12Z

Neeraja moved page एक-गर्म to वन-हॉट without leaving a redirect

← Older revision	Revision as of 15:40, 10 August 2023
(No difference)

alpha>Ummai hani at 07:57, 10 August 2023

2023-08-10T07:57:15Z

← Older revision		Revision as of 13:27, 10 August 2023
Line 25:		Line 25:
	==अनुप्रयोग==		==अनुप्रयोग==

	===डिजिटल ~~सर्किटरी~~===		===डिजिटल विद्युत् परिपथ तंत्र===
	वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट यंत्र]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, वन-हॉट स्टेट यंत्र को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट यंत्र nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।		वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट यंत्र]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, वन-हॉट स्टेट यंत्र को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट यंत्र nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।

Line 57:		Line 57:

	===[[प्राकृतिक भाषा प्रसंस्करण\|नेचुरल लैंग्वेज प्रोसेसिंग]]===		===[[प्राकृतिक भाषा प्रसंस्करण\|नेचुरल लैंग्वेज प्रोसेसिंग]]===
	नेचुरल लैंग्वेज प्रोसेसिंग में, वन-हॉट सदिश एक 1 × N ~~मैट्रिक्स~~ (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में प्रत्येक दूसरे शब्द से भिन्न करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि यंत्र अधिगम यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सच है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।		नेचुरल लैंग्वेज प्रोसेसिंग में, वन-हॉट सदिश एक 1 × N आव्यूह (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में प्रत्येक दूसरे शब्द से भिन्न करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि यंत्र अधिगम यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सत्य है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।

	===यंत्र अधिगम और आँकड़े===		===यंत्र अधिगम और आँकड़े===
Line 103:		Line 103:
	\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, वन-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।		\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, वन-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।

	मूल श्रेणीबद्ध ~~कॉलम~~ में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया ~~कॉलम~~ बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल ~~कॉलम~~ में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह भिन्न-भिन्न वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की शुद्धता को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>		मूल श्रेणीबद्ध स्तंभ में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया स्तंभ बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल स्तंभ में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह भिन्न-भिन्न वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की शुद्धता को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>

	साथ ही, यदि श्रेणीगत वेरिएबल आउटपुट वेरिएबल है, तो आप अपने एप्लिकेशन में उन्हें प्रस्तुत करने के लिए मानों को वापस श्रेणीबद्ध रूप में परिवर्तित करना चाह सकते हैं।<ref>Brownlee, Jason. (2017). "Why One-Hot Encode Data in Machine Learning?". Machinelearningmastery. https://machinelearningmastery.com/why-one-hot-encode-data-in-machine-learning/</ref>		साथ ही, यदि श्रेणीगत वेरिएबल आउटपुट वेरिएबल है, तो आप अपने एप्लिकेशन में उन्हें प्रस्तुत करने के लिए मानों को वापस श्रेणीबद्ध रूप में परिवर्तित करना चाह सकते हैं।<ref>Brownlee, Jason. (2017). "Why One-Hot Encode Data in Machine Learning?". Machinelearningmastery. https://machinelearningmastery.com/why-one-hot-encode-data-in-machine-learning/</ref>

	व्यावहारिक उपयोग में, यह परिवर्तन अधिकांश सीधे ~~फ़ंक्शन~~ द्वारा किया जाता है जो श्रेणीबद्ध डेटा को इनपुट के रूप में लेता है और संबंधित डमी वेरिएबल को आउटपुट करता है। उदाहरण आर में कैरेट लाइब्रेरी का डमीवर्स ~~फ़ंक्शन~~ होगा।<ref>Kuhn, Max. “dummyVars”. RDocumentation. https://www.rdocumentation.org/packages/caret/versions/6.0-86/topics/dummyVars</ref>		व्यावहारिक उपयोग में, यह परिवर्तन अधिकांश सीधे फलन द्वारा किया जाता है जो श्रेणीबद्ध डेटा को इनपुट के रूप में लेता है और संबंधित डमी वेरिएबल को आउटपुट करता है। उदाहरण आर में कैरेट लाइब्रेरी का डमीवर्स फलन होगा।<ref>Kuhn, Max. “dummyVars”. RDocumentation. https://www.rdocumentation.org/packages/caret/versions/6.0-86/topics/dummyVars</ref>

alpha>Ummai hani at 07:37, 10 August 2023

2023-08-10T07:37:29Z

Show changes

alpha>Ummai hani at 06:40, 9 August 2023

2023-08-09T06:40:09Z

← Older revision		Revision as of 12:10, 9 August 2023
Line 26:		Line 26:

	===डिजिटल सर्किटरी===		===डिजिटल सर्किटरी===
	वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, एक-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।		वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, वन-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।

	15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का Q आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के Q आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी प्रकार 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।		15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का Q आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के Q आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी प्रकार 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।
Line 32:		Line 32:
	एक [[ पता विकोडक \|एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।		एक [[ पता विकोडक \|एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।

	एक [[प्राथमिकता एनकोडर]] एक-हॉट प्रतिनिधित्व से बाइनरी में परिवर्तित होता है।		एक [[प्राथमिकता एनकोडर]] वन-हॉट प्रतिनिधित्व से बाइनरी में परिवर्तित होता है।

	====अन्य एन्कोडिंग विधियों के साथ तुलना====		====अन्य एन्कोडिंग विधियों के साथ तुलना====

	=====लाभ=====		=====लाभ=====
	*[[फ्लिप-फ्लॉप (इलेक्ट्रॉनिक्स)]] तक पहुंचने की स्थिति का निर्धारण कम और निरंतर ~~लागत~~ है		*[[फ्लिप-फ्लॉप (इलेक्ट्रॉनिक्स)]] तक पहुंचने की स्थिति का निर्धारण कम और निरंतर निवेश है
	*स्थिति बदलने से दो फ्लिप-फ्लॉप तक पहुंचने की निरंतर ~~लागत~~ आती है		*स्थिति बदलने से दो फ्लिप-फ्लॉप तक पहुंचने की निरंतर निवेश आती है
	*डिज़ाइन और संशोधित करना आसान		*डिज़ाइन और संशोधित करना आसान
	*अवैध अवस्थाओं का पता लगाना आसान		*अवैध अवस्थाओं का पता लगाना आसान
Line 57:		Line 57:

	===[[प्राकृतिक भाषा प्रसंस्करण\|नेचुरल लैंग्वेज प्रोसेसिंग]]===		===[[प्राकृतिक भाषा प्रसंस्करण\|नेचुरल लैंग्वेज प्रोसेसिंग]]===
	नेचुरल लैंग्वेज प्रोसेसिंग में, एक-हॉट सदिश एक 1 × N मैट्रिक्स (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में हर दूसरे शब्द से अलग करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि मशीन लर्निंग यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सच है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।		नेचुरल लैंग्वेज प्रोसेसिंग में, वन-हॉट सदिश एक 1 × N मैट्रिक्स (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में हर दूसरे शब्द से अलग करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि मशीन लर्निंग यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सच है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।

	===मशीन लर्निंग और आँकड़े===		===मशीन लर्निंग और आँकड़े===
Line 101:		Line 101:
	\|1		\|1
	\|50		\|50
	\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, एक-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।		\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, वन-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।

	मूल श्रेणीबद्ध कॉलम में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया कॉलम बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल कॉलम में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह अलग-अलग वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की शुद्धता को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>		मूल श्रेणीबद्ध कॉलम में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया कॉलम बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल कॉलम में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह अलग-अलग वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की शुद्धता को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>

alpha>Ummai hani at 06:29, 9 August 2023

2023-08-09T06:29:05Z

← Older revision		Revision as of 11:59, 9 August 2023
Line 51:		Line 51:


	=====~~नुकसान~~=====		=====हानि=====
	*अन्य एन्कोडिंग की तुलना में अधिक फ्लिप-फ्लॉप की आवश्यकता होती है, जिससे यह [[प्रोग्रामयोग्य ऐरे लॉजिक]] उपकरणों के लिए अव्यावहारिक हो जाता है		*अन्य एन्कोडिंग की तुलना में अधिक फ्लिप-फ्लॉप की आवश्यकता होती है, जिससे यह [[प्रोग्रामयोग्य ऐरे लॉजिक]] उपकरणों के लिए अव्यावहारिक हो जाता है
	*कई अवस्था अवैध हैं<ref>{{Cite book\|title=वेरिलॉग और वीएचडीएल का उपयोग करके वास्तविक चिप डिजाइन और सत्यापन\|last=Cohen\|first=Ben\|publisher=VhdlCohen Publishing\|year=2002\|isbn=0-9705394-2-8\|location=Palos Verdes Peninsula, CA, US\|page=48}}</ref>		*कई अवस्था अवैध हैं<ref>{{Cite book\|title=वेरिलॉग और वीएचडीएल का उपयोग करके वास्तविक चिप डिजाइन और सत्यापन\|last=Cohen\|first=Ben\|publisher=VhdlCohen Publishing\|year=2002\|isbn=0-9705394-2-8\|location=Palos Verdes Peninsula, CA, US\|page=48}}</ref>


	===[[प्राकृतिक भाषा प्रसंस्करण\|~~प्राकृतिक~~ लैंग्वेज ~~प्रसंस्करण~~]]===		===[[प्राकृतिक भाषा प्रसंस्करण\|नेचुरल लैंग्वेज प्रोसेसिंग]]===
	~~प्राकृतिक~~ लैंग्वेज ~~प्रसंस्करण~~ में, एक-हॉट सदिश एक 1 × N मैट्रिक्स (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में हर दूसरे शब्द से अलग करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि मशीन लर्निंग यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सच है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।		नेचुरल लैंग्वेज प्रोसेसिंग में, एक-हॉट सदिश एक 1 × N मैट्रिक्स (सदिश) होता है जिसका उपयोग शब्दावली में प्रत्येक शब्द को शब्दावली में हर दूसरे शब्द से अलग करने के लिए किया जाता है।<ref>{{cite conference\|last1=Arnaud \|first1=Émilien \|last2=Elbattah \|first2=Mahmoud \|last3=Gignon \|first3=Maxime \|last4=Dequen \|first4=Gilles \|date=August 2021 \|pages=548–553 \|title=ट्राइएज नोट्स का उपयोग करके अस्पताल में प्रवेश पर चिकित्सा विशिष्टताओं की एनएलपी-आधारित भविष्यवाणी\|url=https://ieeexplore.ieee.org/document/9565791 \|conference=2021 IEEE 9th International Conference on Healthcare Informatics (ICHI)\|access-date=22 May 2022\|location=[[Victoria, British Columbia]]\|doi=10.1109/ICHI52183.2021.00103}}</ref> शब्द की पहचान करने के लिए विशिष्ट रूप से उपयोग किए जाने वाले सेल में एकल 1 को छोड़कर सदिश में सभी सेल में 0 होते हैं। वन-हॉट एन्कोडिंग यह सुनिश्चित करती है कि मशीन लर्निंग यह न माने कि उच्च संख्याएँ अधिक महत्वपूर्ण हैं। उदाहरण के लिए, मान '8' मान '1' से बड़ा है, किन्तु यह '8' को '1' से अधिक महत्वपूर्ण नहीं बनाता है। यही बात शब्दों के लिए भी सच है: 'हँसी' का मूल्य 'हँसी' से अधिक महत्वपूर्ण नहीं है।

	===मशीन लर्निंग और आँकड़े===		===मशीन लर्निंग और आँकड़े===
Line 112:		Line 112:

	== यह भी देखें ==		== यह भी देखें ==
	* ~~द्वि~~-~~पंचरी कोडित दशमलव~~		* डबल-डिजिट कोडेड डेसीमल
	* बाइनरी डिकोडर		* बाइनरी डिकोडर
	* [[ग्रे कोड]]		* [[ग्रे कोड]]

alpha>Ummai hani at 04:16, 9 August 2023

2023-08-09T04:16:50Z

← Older revision		Revision as of 09:46, 9 August 2023
Line 21:		Line 21:
	\| 7 \|\| 111 \|\| 01111111 \|\| 10000000		\| 7 \|\| 111 \|\| 01111111 \|\| 10000000
	\|}		\|}
	[[डिजिटल सर्किट]] और [[ यंत्र अधिगम \|मशीन लर्निंग]] में, वन-हॉट [[ अंश \|बिट्स]] का एक समूह है जिसके मध्य मानों का ~~कानूनी~~ संयोजन केवल एक उच्च (1) बिट और अन्य सभी निम्न (0) वाले होते हैं।<ref>{{cite book\|last=Harris\|first=David and Harris, Sarah\|title=डिजिटल डिज़ाइन और कंप्यूटर वास्तुकला\|publisher=Morgan Kaufmann\|location=San Francisco, Calif.\|isbn=978-0-12-394424-5\|edition=2nd\|page=129\|date=7 August 2012}}</ref> एक समान कार्यान्वयन जिसमें '0' को छोड़कर सभी बिट्स '1' होते हैं, उसे कभी-कभी वन-कोल्ड कहा जाता है।<ref>{{cite journal\|title=खाद्य जोखिम अरबी ग्रंथों में गहन शिक्षा पर आधारित घटना निष्कर्षण\|arxiv=2008.05014\|last1=Harrag \|first1=Fouzi \|last2=Gueliani \|first2=Selmene \|year=2020 }}</ref> आंकड़ों में, [[डमी वैरिएबल (सांख्यिकी)]] श्रेणीबद्ध डेटा का प्रतिनिधित्व करने के लिए समान विधि का प्रतिनिधित्व करते हैं।		[[डिजिटल सर्किट]] और [[ यंत्र अधिगम \|मशीन लर्निंग]] में, वन-हॉट [[ अंश \|बिट्स]] का एक समूह है जिसके मध्य मानों का नियमबद्ध संयोजन केवल एक उच्च (1) बिट और अन्य सभी निम्न (0) वाले होते हैं।<ref>{{cite book\|last=Harris\|first=David and Harris, Sarah\|title=डिजिटल डिज़ाइन और कंप्यूटर वास्तुकला\|publisher=Morgan Kaufmann\|location=San Francisco, Calif.\|isbn=978-0-12-394424-5\|edition=2nd\|page=129\|date=7 August 2012}}</ref> एक समान कार्यान्वयन जिसमें '0' को छोड़कर सभी बिट्स '1' होते हैं, उसे कभी-कभी वन-कोल्ड कहा जाता है।<ref>{{cite journal\|title=खाद्य जोखिम अरबी ग्रंथों में गहन शिक्षा पर आधारित घटना निष्कर्षण\|arxiv=2008.05014\|last1=Harrag \|first1=Fouzi \|last2=Gueliani \|first2=Selmene \|year=2020 }}</ref> आंकड़ों में, [[डमी वैरिएबल (सांख्यिकी)]] श्रेणीबद्ध डेटा का प्रतिनिधित्व करने के लिए समान विधि का प्रतिनिधित्व करते हैं।

	==अनुप्रयोग==		==अनुप्रयोग==
Line 28:		Line 28:
	वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, एक-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।		वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, एक-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।

	15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का ~~क्यू~~ आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के ~~क्यू~~ आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी ~~तरह~~ 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।		15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का Q आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के Q आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी प्रकार 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।

	एक [[ पता विकोडक \|एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।		एक [[ पता विकोडक \|एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।
Line 103:		Line 103:
	\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, एक-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।		\|} श्रेणीबद्ध डेटा या तो नाममात्र या क्रमिक हो सकता है।<ref>Stevens, S. S. (1946). “On the Theory of Scales of Measurement”. Science, New Series, 103.2684, pp. 677–680. http://www.jstor.org/stable/1671815.</ref> ऑर्डिनल डेटा में उसके मानों के लिए क्रमबद्ध क्रम होता है और इसलिए इसे ऑर्डिनल एन्कोडिंग के माध्यम से संख्यात्मक डेटा में परिवर्तित किया जा सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> क्रमिक डेटा का उदाहरण A से F तक के परीक्षण पर रेटिंग होगी, जिसे 6 से 1 तक की संख्याओं का उपयोग करके रैंक किया जा सकता है। चूंकि नाममात्र वेरिएबल के व्यक्तिगत मानों के बीच कोई मात्रात्मक संबंध नहीं है, इसलिए क्रमिक एन्कोडिंग का उपयोग संभावित रूप से डेटा में एक काल्पनिक क्रमिक संबंध बना सकता है।<ref>Brownlee, Jason. (2020). "Ordinal and One-Hot Encodings for Categorical Data". Machinelearningmastery. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data//</ref> इसलिए, एल्गोरिदम के प्रदर्शन को उत्तम बनाने के लिए, एक-हॉट एन्कोडिंग को अधिकांश नाममात्र वेरिएबल पर प्रायुक्त किया जाता है।

	मूल श्रेणीबद्ध कॉलम में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया कॉलम बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल कॉलम में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह अलग-अलग वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की ~~सटीकता~~ को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>		मूल श्रेणीबद्ध कॉलम में प्रत्येक अद्वितीय मान के लिए, इस विधि में नया कॉलम बनाया जाता है। ये डमी वेरिएबल फिर शून्य और से भरे (1 का अर्थ सत्य है, 0 का अर्थ असत्य है) जाते हैं।<ref>Dinesh, Yadav. (2019). "Categorical encoding using Label-Encoding and One-Hot-Encoder". Towards Data Science. https://towardsdatascience.com/categorical-encoding-using-label-encoding-and-one-hot-encoder-911ef77fb5bd</ref> क्योंकि यह प्रक्रिया कई नए वैरिएबल बनाती है, यदि मूल कॉलम में कई अद्वितीय मान हैं तो इससे 'बड़ी P' समस्या (बहुत सारे भविष्यवक्ता) उत्पन्न होने का खतरा है। वन-हॉट एन्कोडिंग का और नकारात्मक पक्ष यह है कि यह अलग-अलग वेरिएबल के मध्य बहुसंरेखता का कारण बनता है, जो संभावित रूप से मॉडल की शुद्धता को कम करता है।<ref>Andre, Ye. (2020). " Stop One-Hot Encoding Your Categorical Variables. ". Towards Data Science. https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809</ref>

	साथ ही, यदि श्रेणीगत वेरिएबल आउटपुट वेरिएबल है, तो आप अपने एप्लिकेशन में उन्हें प्रस्तुत करने के लिए मानों को वापस श्रेणीबद्ध रूप में परिवर्तित करना चाह सकते हैं।<ref>Brownlee, Jason. (2017). "Why One-Hot Encode Data in Machine Learning?". Machinelearningmastery. https://machinelearningmastery.com/why-one-hot-encode-data-in-machine-learning/</ref>		साथ ही, यदि श्रेणीगत वेरिएबल आउटपुट वेरिएबल है, तो आप अपने एप्लिकेशन में उन्हें प्रस्तुत करने के लिए मानों को वापस श्रेणीबद्ध रूप में परिवर्तित करना चाह सकते हैं।<ref>Brownlee, Jason. (2017). "Why One-Hot Encode Data in Machine Learning?". Machinelearningmastery. https://machinelearningmastery.com/why-one-hot-encode-data-in-machine-learning/</ref>

alpha>Ummai hani at 01:07, 9 August 2023

2023-08-09T01:07:26Z

← Older revision		Revision as of 06:37, 9 August 2023
Line 21:		Line 21:
	\| 7 \|\| 111 \|\| 01111111 \|\| 10000000		\| 7 \|\| 111 \|\| 01111111 \|\| 10000000
	\|}		\|}
	[[डिजिटल सर्किट]] और [[ यंत्र अधिगम \| मशीन लर्निंग]] में, वन-हॉट [[ अंश \| बिट्स]] का एक समूह है जिसके मध्य मानों का कानूनी संयोजन केवल एक उच्च (1) बिट और अन्य सभी निम्न (0) वाले होते हैं।<ref>{{cite book\|last=Harris\|first=David and Harris, Sarah\|title=डिजिटल डिज़ाइन और कंप्यूटर वास्तुकला\|publisher=Morgan Kaufmann\|location=San Francisco, Calif.\|isbn=978-0-12-394424-5\|edition=2nd\|page=129\|date=7 August 2012}}</ref> एक समान कार्यान्वयन जिसमें '0' को छोड़कर सभी बिट्स '1' होते हैं, उसे कभी-कभी वन-कोल्ड कहा जाता है।<ref>{{cite journal\|title=खाद्य जोखिम अरबी ग्रंथों में गहन शिक्षा पर आधारित घटना निष्कर्षण\|arxiv=2008.05014\|last1=Harrag \|first1=Fouzi \|last2=Gueliani \|first2=Selmene \|year=2020 }}</ref> आंकड़ों में, [[डमी वैरिएबल (सांख्यिकी)]] श्रेणीबद्ध डेटा का प्रतिनिधित्व करने के लिए समान विधि का प्रतिनिधित्व करते हैं।		[[डिजिटल सर्किट]] और [[ यंत्र अधिगम \|मशीन लर्निंग]] में, वन-हॉट [[ अंश \|बिट्स]] का एक समूह है जिसके मध्य मानों का कानूनी संयोजन केवल एक उच्च (1) बिट और अन्य सभी निम्न (0) वाले होते हैं।<ref>{{cite book\|last=Harris\|first=David and Harris, Sarah\|title=डिजिटल डिज़ाइन और कंप्यूटर वास्तुकला\|publisher=Morgan Kaufmann\|location=San Francisco, Calif.\|isbn=978-0-12-394424-5\|edition=2nd\|page=129\|date=7 August 2012}}</ref> एक समान कार्यान्वयन जिसमें '0' को छोड़कर सभी बिट्स '1' होते हैं, उसे कभी-कभी वन-कोल्ड कहा जाता है।<ref>{{cite journal\|title=खाद्य जोखिम अरबी ग्रंथों में गहन शिक्षा पर आधारित घटना निष्कर्षण\|arxiv=2008.05014\|last1=Harrag \|first1=Fouzi \|last2=Gueliani \|first2=Selmene \|year=2020 }}</ref> आंकड़ों में, [[डमी वैरिएबल (सांख्यिकी)]] श्रेणीबद्ध डेटा का प्रतिनिधित्व करने के लिए समान विधि का प्रतिनिधित्व करते हैं।

	==अनुप्रयोग==		==अनुप्रयोग==

	===डिजिटल सर्किटरी===		===डिजिटल सर्किटरी===
	वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या ]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, एक-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।		वन-हॉट एन्कोडिंग का उपयोग अधिकांश [[राज्य मशीन\|स्टेट मशीन]] की स्थिति को निरुपित करने के लिए किया जाता है। [[ बाइनरी संख्या \|बाइनरी संख्या]] का उपयोग करते समय, स्थिति निर्धारित करने के लिए [[बाइनरी डिकोडर]] की आवश्यकता होती है। चूँकि, एक-हॉट स्टेट मशीन को डिकोडर की आवश्यकता नहीं होती है क्योंकि स्टेट मशीन nवीं स्थिति में होती है यदि, और केवल यदि, nवीं बिट अधिक है।

	15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का क्यू आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के क्यू आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी तरह 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।		15 क्रमिक रूप से क्रमित अवस्थाओं वाला [[रिंग काउंटर]] अवस्था मशीन का उदाहरण है। एक 'वन-हॉट' कार्यान्वयन में श्रृंखला में 15 [[फ्लिप फ्लॉप (इलेक्ट्रॉनिक्स)]] होंगे, प्रत्येक फ्लिप फ्लॉप का क्यू आउटपुट अगले के D इनपुट से जुड़ा होगा और पहले फ्लिप फ्लॉप का डी इनपुट 15वें फ्लिप फ्लॉप के क्यू आउटपुट से जुड़ा होगा। श्रृंखला में पहला फ्लिप फ्लॉप पहले अवस्था का प्रतिनिधित्व करता है, दूसरा दूसरे अवस्था का प्रतिनिधित्व करता है, और इसी तरह 15वां फ्लिप फ्लॉप, जो अंतिम अवस्था का प्रतिनिधित्व करता है। स्टेट मशीन के रीसेट होने पर श्रृंखला में पहले फ्लिप फ्लॉप को छोड़कर सभी फ्लिप फ्लॉप '0' पर रीसेट हो जाते हैं, जो '1' पर सेट है। फ्लिप फ्लॉप पर पहुंचने वाली अगली घड़ी की एज 'हॉट' बिट को दूसरे फ्लिप फ्लॉप तक आगे बढ़ाती है। 'हॉट' बिट इस प्रकार से 15वीं अवस्था तक आगे बढ़ता है, जिसके बाद अवस्था मशीन पहली अवस्था में लौट आती है।

	एक [[ पता विकोडक \| एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।		एक [[ पता विकोडक \|एड्रेस डिकोडर]] बाइनरी से वन-हॉट प्रतिनिधित्व में परिवर्तित होता है।

	एक [[प्राथमिकता एनकोडर]] एक-हॉट प्रतिनिधित्व से बाइनरी में परिवर्तित होता है।		एक [[प्राथमिकता एनकोडर]] एक-हॉट प्रतिनिधित्व से बाइनरी में परिवर्तित होता है।