什么是獨(dú)熱編碼

????One-Hot編碼，又稱為一位有效編碼，主要是采用N位狀態(tài)寄存器來對(duì)N個(gè)狀態(tài)進(jìn)行編碼，每個(gè)狀態(tài)都由他獨(dú)立的寄存器位，并且在任意時(shí)候只有一位有效。

????One-Hot編碼是分類變量作為二進(jìn)制向量的表示。這首先要求將分類值映射到整數(shù)值。然后，每個(gè)整數(shù)值被表示為二進(jìn)制向量，除了整數(shù)的索引之外，它都是零值，它被標(biāo)記為1。

我們用如下案例來理解獨(dú)熱編碼：

• 性別特征：["男"，"女"]

• 祖國特征：["中國"，"美國，"法國"]

• 運(yùn)動(dòng)特征：["足球"，"籃球"，"羽毛球"，"乒乓球"]

怎么轉(zhuǎn)化成獨(dú)熱碼呢？

用獨(dú)熱碼來表示就是

男? =>? 10

女? =>? 01

祖國特征：["中國"，"美國，"法國"]（這里N=3）：

中國? =>? 100

美國? =>? 010

法國? =>? 001

運(yùn)動(dòng)特征：["足球"，"籃球"，"羽毛球"，"乒乓球"]（這里N=4）：

足球? =>? 1000

籃球? =>? 0100

羽毛球? =>? 0010

乒乓球? =>? 0001

所以，當(dāng)一個(gè)樣本為["男","中國","乒乓球"]的時(shí)候，完整的特征數(shù)字化的結(jié)果為：

[1，0，1，0，0，0，0，0，1]

知識(shí)點(diǎn)

OneHotEncoder(categories='auto', sparse='True', dtype='float')

參數(shù)說明：

1、categories：默認(rèn)’auto’，根據(jù)根據(jù)訓(xùn)練數(shù)據(jù)自動(dòng)確認(rèn)類別；默認(rèn)數(shù)組的列表，categories[i]保存第 i 列中預(yù)期的類別。傳遞的類別不應(yīng)在單個(gè)特征中混合字符串和數(shù)值，并且應(yīng)在數(shù)值的情況下進(jìn)行排序。使用的類別可以在categories_屬性中找到。

2、sparse：默認(rèn)為True，如果設(shè)置為 True 將返回稀疏矩陣，否則將返回一個(gè)數(shù)組。

3、dtype：默認(rèn)為float，所需的輸出數(shù)據(jù)類型。

我們用sklearn的preprocessing進(jìn)行數(shù)據(jù)預(yù)處理，案例如下：