特征工程之Histogram编码

例如有如下的特征，我们要对性别进行编码，可能常用的方法就是男性对应0，女性对应1。

性别	分类标签
男	0
男	1
男	1
男	0
男	2
女	2
女	2

Histogram编码是将属性值分类，然后对不同的分类进行编码，编码方式如下：

1、分类标签的类别数目有多少，Histogram的编码向量长度就有多长，比如这里分类标签的长度是3，则性别的初始向量就是[0,0,0]

2、统计属性中每个取值对应的数量，并分类统计，比如性别男，共有5个，0有2个，1有2个，2有1个，对性别女同样如此

3、使用属性中每个取值在总数中的占比统计得到向量，性别男的编码为[2/5,2/5,1/5]，性别女的编码为[0,0,1]

 

使用Histogram编码的一个好处是可以明显看出属性的取值对分类的贡献程度，预测可能更准确一些。