sklearn:OneHotEncoder的简单用法

将离散型特征使用one-hot编码，会让特征之间的距离计算更加合理。离散特征进行one-hot编码后，编码后的特征，其实每一维度的特征都可以看做是连续的特征。就可以跟对连续型特征的归一化方法一样，对每一维特征进行归一化。

from sklearn.preprocessing import OneHotEncode

enc = OneHotEncoder()

在新版本中，初始化参数有5个，分别是categories、drop、sparse、dtype、handle_unknown。本人目前是初学者，读了官方文档后，认为前四个参数不用理会，默认即可，而handle_unknown是一个比较有用的参数，默认是"error"，但我认为指定为"ignore”更好，这个参数的目的是数据在转化为one-hot编码时，如果遇到一个属性值没有事先指定，程序应该怎么办？如果是error的话，程序就报错停止了，其实不方便处理数据，反而是ignore更好，程序可以继续执行，下面举个例子说明。

enc.fit([["男", 0, 3], ["男", 1, 0], ["女", 2, 1], ["女", 0, 2]])

首先训练一下数据集，提取每一列的属性种类，得到结果如下

print(enc.categories_)
[array(['女', '男'], dtype=object), array([0, 1, 2], dtype=