特征工程数据预处理--基于SK-learn的One-Hot编码

一，One-Hot编码概念： 

在数据处理和特征工程中，经常会遇到类型数据，如性别分为[男，女]（暂不考虑其他。。。。），国家分为[中国，日本，美国]等，我们通常将其转为数值带入模型，如[0,1], [1,0,-1]等，但模型往往默认为连续型数值进行处理，这样其实是违背我们最初设计的，也会影响模型效果。

独热编码便是解决这个问题，其方法是使用N位bit来对N个状态进行编码，每个状态都由他独立的bit位，并且在任意时候，其中只有一位有效（只有一个bit是1）。

如自然编码为：0，1

独热编码为：10，01           

可以理解为对有m个取值的特征，经过独热编码处理后，转为m个二元特征，每次只有一个激活。

 如数字字体识别0~9中，6的独热编码为：