pytorch标签onehot编码_使用numpy，sklearn，Keras进行One hot编码

机器学习中机器不能理解单词，因此需要数值，以便机器更容易地处理数据。要对数据应用任何类型的算法，我们需要将分类数据转换为数字。为了实现这一点，可以采用One hot编码，因为它可以转换分类变量到binary vectors。

例：

假设我们有句“Can I eat the Pizza”。

我们可以直接说所有的单词都彼此不同，但在机器学习中机器是怎么知道的呢？

所以我们尝试应用One hot编码，即将类别转换为数字标签。

1. 首先，将文本进行转换，按升序形式对单词进行排序，即A-Z。现在“can, eat, i, pizza, the”。
2. 给一个数字标签，我们可以看到can在第0位，eat在第1位，分配值：can:0, i:2, eat:1, the:4, pizza:3。
3. 转换为binary vectors。

分类变量基本上是基于一些定性性质的固定值。比如个体的性别，可以是男性，女性。天气也是一个例子，因为它可以是晴天，多云，或下雨。

binary vectors只是包含0和1的值。

使用Numpy

import numpy as npdocs = "Can I eat the Pizza".lower().split()doc1 = set(docs)doc1 = sorted(doc1)print ("values: