One-Hot 的使用

Sklearn 中 OneHotEncoder 的使用：

import numpy as np

from sklearn.preprocessing import OneHotEncoder

samples = np.array([ [1, 3, 2], [7, 5, 4], [1, 8, 6], [7, 3, 9] ]) # 独热编码 sparse 是否采用稀疏矩阵 ohe = OneHotEncoder(sparse=False, dtype="int32") # sparse=False 返回数组，True 返回矩阵

result = ohe.fit_transform(samples) # 00列2位，01列 3位，02列4位

result 转为数组的one-hot结果如下：

[[1 0 1 0 0 1 0 0 0]
 [0 1 0 1 0 0 1 0 0]
 [1 0 0 0 1 0 0 1 0]
 [0 1 1 0 0 0 0 0 1]]

samples第一列有两种类别[1,7]，第二列有三种类别[3,5,8]，第三列有四种类别[2, 4, 6, 9]；

result中前两列对应samples中第一列结果，

result中第三到五列对应samples第二列类别，

result中第到六到九列对应samples第三列类别；

使用LabelEncoder编码：

raw_samples = np.array(["audi", "ford", "audi", "toyota","ford", "bmw", "redflag"])
print(raw_samples)

# 训练之前 需要标签编码
lbe = LabelEncoder()
result = lbe.fit_transform(raw_samples)
print("-----编码后\n", result)

# 编码 反向推导
test = [0, 0, 1, 1, 4]
print("-----编码反推\n", lbe.inverse_transform(test))

注：只能对一维数组编码，否则会报错；