獨熱編碼

什么是獨熱編碼

One-Hot編碼，又稱為一位有效編碼，主要是采用N位狀態寄存器來對N個狀態進行編碼，每個狀態都由他獨立的寄存器位，并且在任意時候只有一位有效。

(資料圖片)

One-Hot編碼是分類變量作為二進制向量的表示。這首先要求將分類值映射到整數值。然后，每個整數值被表示為二進制向量，除了整數的索引之外，它都是零值，它被標記為1。

我們用如下案例來理解獨熱編碼：

性別特征：["男"，"女"]

祖國特征：["中國"，"美國，"法國"]

運動特征：["足球"，"籃球"，"羽毛球"，"乒乓球"]

怎么轉化成獨熱碼呢？

用獨熱碼來表示就是

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

運動特征：["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，當一個樣本為["男","中國","乒乓球"]的時候，完整的特征數字化的結果為：

[1，0，1，0，0，0，0，0，1]

知識點

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

參數說明：

1、categories：默認’auto’，根據根據訓練數據自動確認類別；默認數組的列表，categories[i]保存第 i 列中預期的類別。傳遞的類別不應在單個特征中混合字符串和數值，并且應在數值的情況下進行排序。使用的類別可以在categories_屬性中找到。

2、sparse：默認為True，如果設置為 True 將返回稀疏矩陣，否則將返回一個數組。

3、dtype：默認為float，所需的輸出數據類型。

我們用sklearn的preprocessing進行數據預處理，案例如下：

關鍵詞：