資料處理——One-Hot Encoding
阿新 • • 發佈：2019-02-15
一、One-Hot Encoding
One-Hot編碼，又稱為一位有效編碼，主要是採用- 性別：["male"，"female"]
- 地區：["Europe"，"US"，"Asia"]
- 瀏覽器：["Firefox"，"Chrome"，"Safari"，"Internet
Explorer"]
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，我們可以採用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]。則完整的特徵數字化的結果為：[1,0,0,1,0,0,0,0,1]。這樣導致的一個結果就是資料會變得非常的稀疏。三、實際的Python程式碼
from sklearn import preprocessing
enc = preprocessing.OneHotEncoder()
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])
array = enc.transform([[0,1,3]]).toarray()
print array結果：[[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]