one-hot编码，精髓

one-hot 编码

one-hot 目的：
解决多分类问题

原理：
比如我们有一100张动物的图片，一共有10种动物，****[鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗、猪]，我们创建10个文件夹分别存放这些动物，文件夹就是这些动物的标签，这10个文件夹的文件名就是这些图片的标签（分类）。

[1,0,0,0,0,0,0,0,0,0] ==》 鼠
[0,1,0,0,0,0,0,0,0,0] ==》 牛
...
[0,0,0,0,0,0,0,0,1,0] ==》 狗
[0,0,0,0,0,0,0,0,0,1] ==》 猪

好，上面这种向量数组的描述形式就是 one-hot 编码。那么为什么我们要这么编码呢？来来来，就是解决多分类问题，要理解这个问题要先理解多分类问题在学习后输出的结果是什么。
假设我们输入一张猪的图片,机器求出的概率是分布是如下（随便写的）：

结果：[0.11，0.29，0.01，0.02，0.03，0.01，0.01，0.01，0.02，0.5]
标签：[0,0,0,0,0,0,0,0,1] ==》 猪

上面这个向量数组 对应下标表示对应动物类型的概率，显然0.5最大，该图片是猪的概率最大。
好了，这个时候我们就已经可以通过输出和 ont-hot 编码来做 loss（损失了）

loss  =  f(结果-标签)

好了，现在我相信聪明的同学已经知道了 one-hot 的意义了， 注意发散一下思维，如何通过这个例子联想到 one-hot 和多分类问题的关系！！！ 再想想如果没有 one-hot 编码，如何处理多分类问题呢？