独热编码和哑编码的区别（易懂）

独热编码（one-hot encoding）

基于数据集的某一特征的N个状态值，用N位编码来作区别

例如将人群基于年龄特征分为：婴儿，幼儿，少年，青年，中年，老年六个状态，则需六位编码来做区分，如下图：

婴儿	幼儿	少年	青年	中年	老年
100000	010000	001000	000100	000010	000001

其中每一个状态位代表当前状态是否激活，1为激活，0为未激活。

比如婴儿这个状态，第一个状态位代表婴儿状态，值为1，代表婴儿状态为激活状态，其他五位为0，代表其他的五个特征为未激活状态。

哑编码（dummy encoding）

基于数据集的某一特征的N个状态值，用N-1位编码来作区别

同样还是上述案例，用哑编码区别如下：

婴儿	幼儿	少年	青年	中年	老年
10000	01000	00100	00010	00001	00000

和独热编码一样，前五个状态每一个状态位代表当前状态是否激活，1为激活，0为未激活。

区别在于最后一个状态位，当前五个状态位都为未激活的状态，则默认为第六个状态。

老年人的五个状态位都为未激活状态，说明，前五个状态都不是，那么就默认为第六个状态——老年人。