如何在机器学习中使用颜色作为特征?

Question

我有RGB形式的颜色。有4列

1. 的accent_color"→(0.6901960784313725, 0.14901960784313725, 0.10588235294117647)
2. 的dominant_colors"→[(0.6470588235294118, 0.16470588235294117, 0.16470588235294117)， (0.0, 0.0, 0.0)， (1.0, 1.0, 1.0)]
3. 的bg_color"比;(0.6470588235294118, 0.16470588235294117, 0.16470588235294117)
4. 的fore_color"→(0.0, 0.0, 0.0)

我想在文本模型中使用这些值作为特征。这些颜色将用于确定该帖子是否有更多的可能性获得喜欢的颜色。如有任何建议，我将不胜感激。

Answer 1

从您提供的信息中回答这个问题非常广泛，但我认为，首先您需要进行一些解释性分析，以了解您的数据集是否可以很好地代表您的类。在进行此分析之前，需要将此数据转换为表格形式。

我将每个颜色组表示为">一个像这样的编码"表单，从你的数据集的一行看起来像:

accent_color_R : 0.6901960784313725
accent_color_G : 0.14901960784313725
accent_color_B : 0.10588235294117647
dominant_colors_first_group_R : 0.6470588235294118
dominant_colors_first_group_G : 0.16470588235294117
dominant_colors_first_group_B : 0.16470588235294117
dominant_colors_second_group_R : 0.0
dominant_colors_second_group_G : 0.0
dominant_colors_second_group_B : 0.0
dominant_colors_third_group_R : 1.0
dominant_colors_third_group_G : 1.0
dominant_colors_third_group_B : 1.0
bg_color_R : 0.6470588235294118
bg_color_G : 0.16470588235294117
bg_color_B : 0.16470588235294117
fore_color_R : 0.0
fore_color_G : 0.0
fore_color_B : 0.0
class_label : (0 or 1) OR a continuous value that represent probability 

所以它将是一个18列(特征)表。它可以是liked/not_liked二元分类问题或者可以是回归问题，对于回归你的标签将是一个连续值它代表概率所以你的类标签将在

[0,1] = {0 & lt; = class_label & lt; = 1}

你可以使用神经网络来实现回归。如果你输入"用神经网络实现回归"，你可以找到大量的信息。谷歌。