独热编码（One-Hot Encoding）总结

背景：

在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。

例如，有以下三个特征：

["male", "female"]

["from Europe", "from US", "from Asia"]

["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]

如果将上述特征用数字表示，效率会高很多：

["male", "from US", "uses Internet Explorer"] 表示为[0, 1, 3]

["female", "from Asia", "uses Chrome"]表示为[1, 2, 1]

但是，即使转化为数字表示后，上述数据也不能直接用在我们的分类器中。因为，分类器往往默认数据数据是连续的（可以计算距离？），并且是有序的（而上面这个0并不是说比1要高级）。但是，按照我们上述的表示，数字并不是有序的，而是随机分配的。

       为了解决上述问题，其中一种可能的解决方法是采用独热编码（One-Hot Encoding）。独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用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，其中只有一位有效。 

好处主要是：

1. 解决了分类器不好处理属性数据的问题

2. 在一定程度上也起到了扩充特征的作用

实现：

1、from sklearn import preprocessing

     enc = preprocessing.OneHotEncoder()

基于Scikit-learn的例子：

from sklearn import preprocessing

enc = preprocessing.OneHotEncoder()

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

enc.transform([[0, 1, 3]]).toarray()

输出结果：

array([[ 1.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.]])

注： fit了4个数据3个特征，而transform了1个数据3个特征。第一个特征两种值(0: 10, 1: 01)，第二个特征三种值(0: 100, 1: 010, 2: 001)，第三个特征四种值(0: 1000, 1: 0100, 2: 0010, 3: 0001)。所以转换[0, 1, 3]为[ 1.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.]。

 2、numpy快速生成one hot编码

函数：np.eye(N, M=None, k=0, dtype=float, order=‘C’)
功能说明：用来返回一个2维的对角数组
参数：
N：用来控制输出二维数组的行数
M：用来控制输出二维数组的列数，如果M为None，则M等于N
k：主对角线的index，默认是0，如果k为正数，则对角线往上移动，如果k为复数，则对角线往下移动

例如：

print(np.eye(5))

结果为：

参考： https://www.cnblogs.com/webRobot/p/8831069.html、https://blog.csdn.net/sinat_29957455/article/details/86552811