blog view 數據 機器學習算法 tar ces copyto copy itl

一、One-Hot Encoding

One-Hot編碼，又稱為一位有效編碼，主要是采用位狀態寄存器來對個狀態進行編碼，每個狀態都由他獨立的寄存器位，並且在任意時候只有一位有效。 在實際的機器學習的應用任務中，特征有時候並不總是連續值，有可能是一些分類值，如性別可分為“male”和“female”。在機器學習任務中，對於這樣的特征，通常我們需要對其進行特征數字化，如下面的例子： 有如下三個特征屬性：

• 性別：["male"，"female"]
• 地區：["Europe"，"US"，"Asia"]
• 瀏覽器：["Firefox"，"Chrome"，"Safari"，"Internet Explorer"]

對於某一個樣本，如["male"，"US"，"Internet Explorer"]，我們需要將這個分類值的特征數字化，最直接的方法，我們可以采用序列化的方式：[0,1,3]。但是這樣的特征處理並不能直接放入機器學習算法中。

二、One-Hot Encoding的處理方法

對於上述的問題，性別的屬性是二維的，同理，地區是三維的，瀏覽器則是思維的，這樣，我們可以采用One-Hot編碼的方式對上述的樣本“["male"，"US"，"Internet Explorer"]”編碼，“male”則對應著[1，0]，同理“US”對應著[0，1，0]，“Internet Explorer”對應著[0,0,0,1]。則完整的特征數字化的結果為：[1,0,0,1,0,0,0,0,1]。這樣導致的一個結果就是數據會變得非常的稀疏。

三、實際的Python代碼

[python] view plain copy

1. from sklearn import preprocessing
3. enc = preprocessing.OneHotEncoder()
4. enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])
6. array = enc.transform([[0,1,3]]).toarray()
8. print array

結果：[[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]

數據處理——One-Hot Encoding