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: