One-hot Encoder for Classification

    One-hot码指一定码长的二值码中，只有一位为1，其他全为0，比如00010000。这样，1所在的位数就可以作为有效的信息。One-hot码起源于数电中的状态机（State Machine），尤其是环形计数器，通过将信号1一直往下一位传递，表示不同的状态。与之相对的还有One-cold，只有一位为0，其他全为1。

    在利用卷积神经网络进行图像分类时，由于图像的类别，亦即标签，往往用的是string这种数据类型，不便于比对和作为特征。所以我们要对这些标签进行编码，表示成一个向量，这个向量要便于分类。而One-hot码就是其中一种简单有效的编码方式。下面给出一份代码实例：

def one_hot(label):
    """
    # 对标签label进行one-hot编码
    :param label: 数据类型为list，元素为string
    :return: onehot_label: 数据类型为list,元素为一维向量
    """
    onehot_label = []
    class_len = len(label)  #分类类别

    for i, c in enumerate(label):
        vet = np.zeros(class_len)
        vet[i] = 1
        onehot_label.append(vet)

    return onehot_label

label_ex = ['dog', 'cat', 'ox', 'fox', 'monkey', 'pig', 'elephant', 'sheep', 'lion', 'tiger']
label_de = one_hot(label_ex)
for c in label_de:
    print(c)

    而最后输出的结果为：

[ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  1.  0.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  1.  0.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  1.  0.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  1.  0.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  1.  0.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  1.  0.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  1.  0.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  1.  0.]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  1.]

    现在，我们通过卷积神经网络获得了一个样本的输出特征，又该如何确定它属于哪一类呢？我们可以通过确定输出特征向量的最大值所在位置，来确定相应的one-hot标签，实现分类。