One Hot编码是什么？为什么要用它，什么时候用它？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

导读

当你在玩ML模型的时候，你会在任何地方遇到这个“One hot encoding”的术语。

当你在玩ML模型的时候，你会在任何地方遇到这个“One hot encoding”术语。你可以看到一个one hot编码器的sklearn文档，其中说“使用one-hot也就是one-of- k模式编码分类整数特征”。不是很清楚，对吧？或者至少不适合我。让我们看看one hot编码到底是什么。

One hot编码方法是将分类变量转换成一种形式，这种形式可以提供给ML算法，以便更好地进行预测。

假设数据集如下:

╔════════════╦═════════════════╦════════╗ 
 ║ CompanyName Categoricalvalue ║ Price  ║
 ╠════════════╬═════════════════╣════════║ 
 ║ VW         ╬      1          ║ 20000  ║
 ║ Acura      ╬      2          ║ 10011  ║
 ║ Honda      ╬      3          ║ 50000  ║
 ║ Honda      ╬      3          ║ 10000  ║
 ╚════════════╩═════════════════╩════════╝

分类值表示数据集中条目的数值。例如：如果数据集中有另一家公司，它的分类值应该是4。随着惟一条目数量的增加，分类值也相应地增加。

上表只是一种表示。实际上，分类值从0开始一直到N-1个类别。

你可能已经知道，可以使用sklearn的LabelEncoder完成分类值分配。

现在让我们回到one hot编码：假设我们按照sklearn文档中给出的说明来进行one hot编码，然后进行一些清理，最后得到以下结果:

╔════╦══════╦══════╦════════╦
 ║ VW ║ Acura║ Honda║ Price  ║
 ╠════╬══════╬══════╬════════╬
 ║ 1  ╬ 0    ╬ 0    ║ 20000  ║
 ║ 0  ╬ 1    ╬ 0    ║ 10011  ║
 ║ 0  ╬ 0    ╬ 1    ║ 50000  ║
 ║ 0  ╬ 0    ╬ 1    ║ 10000  ║
 ╚════╩══════╩══════╩════════╝

0表示不存在，1表示存在。

在我们进一步讨论之前，你能想到一个原因吗？为什么仅仅使用标签编码给模型训练是不够的？为什么需要one hot编码？

标签编码的问题是，它假定类别值越高，类别越好。“等等，什么! ？”

让我解释一下：这种组织形式的前提是基于类比的值，VW > Acura > Honda。假设你的模型内部计算平均值，那么我们得到，1+3 = 4/2 =2。这意味着：VW 和Honda的平均水平是 Acura。这绝对是个灾难。这个模型的预测会有很多误差。

这就是为什么我们使用one hot编码器来执行类别的“二值化”，并将其作为一个特征来训练模型。

另一个例子：假设你有一个“flower”特征，它可以接受“daffodil”、“lily”和“rose”的值。一个one hot编码将“flower”特征转换为三个特征，“is_daffodil”、“is_lily”和“is_rose”，它们都是二进制的。

见下图：

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~