【One-hot编码】

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]]