1 什么是One-hot编码
One-hot 编码也称之为“独热编码”,作用是将离散的分类标签转换为二进制向量
2.什么是离散的分类
假设有猫,狗,人三个分类标签,分别用0,1,2表示。这三个标签是相互独立的,不存在大小,先后的关系。
3.什么是二进制向量
我们上面用0,1,2分别表示猫,狗,人。但是这样会存在一个问题,分类标签有一个很重要的作用,计算预测标签和真实标签的相似性,从而计算Loss值,Loss值越小,说明预测标签和真实标签越接近。
如果按照0,1,2来表示猫,狗,人。猫和狗的距离为1,狗和人的距离也为1,但是猫和人的距离为2。这是在计算损失的时候完全不可以接收的,违反了标签之间的独立性。
因此,需要有一种表示方法,将互相独立的标签表示为互相独立的数字,并且数字之间的距离也相等。
这就是one-hot,也叫独热编码
它就用二进制向量来表征这种离散的分类标签。
4.one-hot是如何实现的
将猫狗人进行如下编码
在三维坐标系下,[1, 0, 0]、[0, 1, 0]和[0, 0, 1]这三个向量是互相垂直的,也就是互相正交独立,他们之间距离相等,这就解决了上面说的独立的标签之间,表示方法不对等的情况
5.独立编码是如何用
在神经网络中独立编码是如何使用,假设某一轮推理得到的softmax得分如下,有70%的概率是猫,20%的概率是狗,10%的概率是人。
猫的独立编码是[1,0,0]
为了让最终的Loss最小,需要不断的的调整得分。最理想的情况是Loss为0,即预测值为[1,0,0]。
当然one-hot编码有它的局限性,上面的例子是3分类的例子,那如果分类数量有1万个,我们是不是需要将1万个离散的分类,编码成1万维的向量来计算呢?
这就出现了维度灾难了,而且大量的数据为0,向量稀疏的厉害,此时就需要用其他的优化手段来处理了。