数据处理之one-hot

分类方法，通常需要把数据的各个属性转换为一个向量表示，这样每条数据的特征就是一个向量，向量上的每个维度就表示了一个特征属性。

但是如果要转换的数据包含了3种属性，比如身高，体重，年龄。A是女，168cm，70kg，30岁；B是男，180cm，90kg,20岁，那么直接用数值做向量就变成了，0，168，70，30；1，180，90，20。而168和70或者30是不同的属性，更明显的是0或1表示的性别和其他维度差距更大。
有一种是对每个维度的数值进行无量纲的归一化，也就是说每个维度的数值都归一化处理到0-1或者-0.5-+0.5之间。
但是这样依然不好，比如表示性别的0，1与其他维度依然关联不大，所以有一种叫one-hot的编码方式，就是表示一项属性的特征编码，同一时间只有一个激活点（不为0）。这样A的性别变为【1，0】，B的性别编码为【0，1】。年龄，体重，身高等可以用更多数量的enum表示（数量不是一定要满足所有枚举，而是满足实际数据出现的类别就可以了，比如只有三种身高，那么身边表示的只需要[0,0,1]就可以）
然后将各个属性，串联起来，构建了一个非常稀疏的特征向量，比如性别和身高串联为【0，1，0，0，1】，保证了各种数据的离散性。

相关参考：
http://blog.csdn.net/google19890102/article/details/44039761