详细详解One Hot编码-附代码

机器学习算法无法直接用于数据分类。数据分类必须转换为数字才能进一步进行。

在本教程中，你将发现如何将输入或输出的序列数据转换为一种热编码，以便于你在Python中深度学习的序列分类问题中使用。
本教程分为4部分：

1.什么是One-Hot编码？

2.手动编写One-Hot编码

3.One-Hot Encode with scikit-learn.

4.One-Hot Encode with Keras.

1.什么是One-Hot编码？

One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。

One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。

2.One-Hot编码的工作示例

让我们用一个小例子来说明一下到底什么是One-Hot编码。假设我们有一个带有’red’和’green’值的标签序列。我们可以将’red’的整数值分配为0，’green’的整数值为1。只要我们总是将这些数字分配给这些标签，这称为整数编码。一致性是重要的，所以我们可以稍后反转编码，并从整数值获取标签。

接下来，我们可以创建一个二进制向量来表示每个整数值。对于2个可能的整数值，向量的长度为2。

编码为0的“红色”标签将用二进制向量[1,0]表示，其中第0个索引被标记为值1。然后，编码为1的“绿色”标签将用一个二进制向量[0，1]，其中第一个索引被标记为1。

如果我们有序列：

‘red’,‘red’,‘green’。

我们可以用整数编码来表示它：

0，0，1

而One-Hot编码就为：

1           2      3
[1, 0] [1, 0] [0, 1]

1.为什么要使用One-Hot编码？

One hot 编码进行数据的分类更准确，许多机器学习算法无法直接用于数据分类。数据的类别必须转换成数字，对于分类的输入和输出变量都是一样的。

我们可以直接使用整数编码，需要时重新调整。这可能适用于在类别之间存在自然关系的问题，例如温度“冷”（0）和”热“（1）的标签。

当没有关系时，可能会出现问题，一个例子可能是标签的“狗”和“猫”。

在这些情况下，我们想让网络更具表现力，为每个可能的标签值提供概率式数字。这有助于进行问题网络建模。当输出变量使用one-hot编码时，它可以提供比单个标签更准确的一组预测。

2.手动One Hot编码：

在这个例子中，我们将假设我们有一个字符串的例子，但是示例序列并不涵盖所有可能的例子。

我们将使用以下字符的输入序列：

Hello world。

我们将假设所有可能输入是小写字母和空格的完整字母表。因此，我们将以此展示如何滚动我们自己的one hot编码。

完整的示例如下所示。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

from  numpy  import  argmax # define input string data  =   'hello world' print ( data ) # define universe of possible input values alphabet  =   'abcdefghijklmnopqrstuvwxyz ' # define a mapping of chars to integers char_to_int  =   dict ( ( c ,  i )   for  i ,  c  in   enumerate ( alphabet ) ) int_to_char  =   dict ( ( i ,  c )   for  i ,  c  in   enumerate ( alphabet ) ) # integer encode input data integer_encoded  =   [ char_to_int [ char ]   for   char   in  data ] print ( integer_encoded ) # one hot encode onehot_encoded  =   list ( ) for  value  in  integer_encoded :     letter  =   [ 0   for  _  in   range ( len ( alphabet ) ) ]     letter [ value ]   =   1     onehot_encoded . append ( letter )      print ( onehot_encoded )      # invert encoding     inverted  =  int_to_char [ argmax ( onehot_encoded [ 0 ] ) ]      print ( inverted )

运行示例首先打印输入字符串。运行结果：

u@u-VirtualBox:~$ python onehot.py
hello world
[7, 4, 11, 11, 14, 26, 22, 14, 17, 11, 3]
[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]
h
[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]
h
[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]
h
[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0