機器學習之獨熱編碼（One-Hot）詳解（代碼解釋）

One-Hot編碼，又稱爲一位有效編碼，主要是採用N位狀態寄存器來對N個狀態進行編碼，每一個狀態都由他獨立的寄存器位，而且在任意時候只有一位有效。

One-Hot編碼是分類變量做爲二進制向量的表示。這首先要求將分類值映射到整數值。而後，每一個整數值被表示爲二進制向量，除了整數的索引以外，它都是零值，它被標記爲1。

聽概念的話顯得比較複雜，咱們來看一個例子。

假設咱們有一羣學生，他們能夠經過四個特徵來形容，分別是：

• 性別：[「男」，「女」]
• 年級：[「初一」，「初二」，「初三」]
• 學校：[「一中」，「二中」，「三中」，「四中」]

舉個例子，用上述四個特徵來描述小明同窗，即「男生，初一，來自二中」，若是特徵類別是有序的話，咱們可以用表示順序的數組表示

即「男生，初一，來自一中」   ==>   [0,0,1]

可是這樣的特徵處理並不能直接放入機器學習算法中，由於類別之間是無序的

這時候就能夠用獨熱編碼的形式來表示了，咱們用採用N位狀態寄存器來對N個狀態進行編碼，拿上面的例子來講，就是：

性別	[「男」，「女」]	N=2	男：1 0 女：0 1
年級	[「初一」，「初二」，「初三」]	N=3	初一：1 0 0   初二：0 1 0 初三：0 0 1
學校	[「一中」，「二中」，「三中」，「四中」]	N=4	一中：1 0 0 0 二中：0 1 0 0 三中：0 0 1 0 四中：0 0 0 1

所以，當咱們再來描述小明的時候，就能夠採用 [1 0 1 0 0 0 1 0 0] 

不少人在介紹獨熱編碼的時候，都引用了下面這段代碼，可是解釋的比較模糊，下面詳細解釋一下。

from sklearn import preprocessing  

enc = preprocessing.OneHotEncoder()  
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])  #這裏一共有4個數據，3種特徵
array = enc.transform([[0,1,3]]).toarray()  #這裏使用一個新的數據來測試

print(array)   # [[ 1  0  0  1  0  0  0  0  1]]

這裏一共有四個數據，三種特徵，是那四個呢，咱們列出矩陣

	第一種	第二種	第三種
第一個	0	0	3
第二個	1	1	0
第三個	0	2	1
第四個	1	0	2

咱們豎着看，能夠看出第一種特徵中只有0、1兩類，第二組有0,、一、2三類，第三種有0、一、二、3四類，所以分別能夠用二、三、4個狀態類來表示。

enc.transform就是將[0,1,3]這組特徵轉換成one hot編碼，toarray()則是轉成數組形式。

第一個數爲0，對應第一種特徵則爲 1 0；

第二個數爲1，對應第二種特徵則爲 0 1 0；

第三個數爲3，對應第三種特徵則爲 0 0 0 1。 

因此最後的輸出爲：[[ 1 0 0 1 0 0 0 0 1]]

一樣的，當咱們拿小明的表述[0,0,1]來測試的時候，獲得了與第一個例子相同的結果。

from sklearn import preprocessing  
   
enc = preprocessing.OneHotEncoder()  
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])  #這裏一共有4個數據，3種特徵
   
array = enc.transform([[0,0,1]]).toarray()  #這裏使用一個新的數據來測試
   
print(array)   [[1. 0. 1. 0. 0. 0. 1. 0. 0.]]