one-hot的基本思想:将离散型特征的每一种取值都看成一种状态,若你的这一特征中有N个不相同的取值,那么我们就可以将该特征抽象成N种不同的状态,one-hot编码保证了每一个取值只会使得一种状态处于“激活态”,也就是说这N种状态中只有一个状态位值为1,其他状态位都是0。
举个例子,假设我们以浏览器为例,我们想要研究的类别为
- 浏览器:["Firefox","Chrome","Safari","Internet Explorer"]
共有4个类别,我们使用one-hot对其编码就会得到:
Firefox: [1, 0, 0, 0]
Chorme: [0, 1, 0, 0]
Safari: [0, 0, 1, 0]
IE: [0, 0, 0, 1]
如果出现多个特征
比如:
- 性别:["male","female"]
那么对于实例(Firefox, female)编码即为[1, 0, 0, 0, 0, 1],即将两个类别的One-Hot编码组装在一起了。
当然这样的缺点就是编码向量太稀疏了。
Python实现:
结果: