One-hot编码
对于特征的多种离散状态,采用N位状态寄存器来对N个状态进行编码,每个状态都有它的独立寄存器位,并且在任意时候,其中只有一位有效位。
示例
有一个特征,包括三种状态,则用0 0 1,0 1 0,1 0 0三种来表示三种状态。
性别:男/女
家乡:山西/浙江/上海
爱好:羽毛球/游泳/跑步/刘耕宏
则
性别
男——>10
女——>01
家乡
山西——>100
浙江——>010
上海——>001
爱好
羽毛球——>1000
游泳——>0100
跑步——>0010
刘耕宏——>0001
所以当一个样本为[‘女’,‘山西’,‘游泳’]时,one-hot变化之后应该是[0,1,1,0,0,0,1,0,0]
Python代码示例
from sklearn import preprocessing
ec = preprocessing.OneHotEncoder()
ec.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) # 使用四个数据,三种特征进行测试
out = ec.transform([[0,1,3]]).toarray() # 使用一个新数据进行测试
print(out) # 编码结果[[1 0 0 1 0 0 0 0 1]]