sklearn one_hot 操做

１.編碼

　　one_hot編碼再也不過多敘述，相似於hash的那種方法去改變數的編碼方式。好比label存在與（０，１，２，３），那麼一條記錄的label爲３，那麼將編碼維[0,0,0,1]

2.包：　tf.one_hot(label,n_label)　須要注意的是返回的是一個tensor

　　　from sklearn.preprocessing import OneHotEncoder

　　這個的用法就比較多了

1 enc = OneHotEncoder()
2 enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1],[1, 0, 2]])
3 print "enc.n_values_ is:",enc.n_values_
4 print "enc.feature_indices_ is:",enc.feature_indices_
5 print enc.transform([[0, 1, 1]]).toarray()

View Code

　這裏，咱們把以上一行看做是一條記錄，那麼每一行的第n列就是其第n個特徵。基於這個理解，咱們說下面的問題。

　　１）其中enc.fit與平時所用的sklearn 的做用相同。


　　２）enc.n_values_－>各個特徵的種類

　　其輸出：[2 3 4]　能夠看到一共４行，３列，也就說４條記錄３個特徵，那麼咱們能夠看出n_values_是統計各個特徵的值

　　３）　feature_indices_　

　　　輸出爲：[0 2 5 9]也就時說對上面n_values的累加

　　４）　enc.transform(one_array) 這個就不用說了