独热(One-Hot)编码简述

简介: 独热(One-Hot)编码简述

1.前言

今天看Colab上的代码的时候突然看到了这个概念,抱着好奇的心态学习了一下,挺基础也很重要的一个概念,5min左右就可以了解

2.什么是 one-hot 编码?

定义:

独热编码即 One-Hot 编码,又称一位有效编码。其方法是使用 N 位状态寄存器来对 N 个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。

One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后,每个整数值被表示为二进制向量,除了整数的索引之外,它都是零值,它被标记为1。

看不懂么?看不懂很正常(看懂了我觉得不太正常hhh,下面通过举例子很好理解:

这里有三个特征:

性别特征:[‘女’, ‘男’]

国籍特征:[‘中国’, ‘美国’, ‘俄罗斯’, ‘英国’]

年龄特征:[18, 19, 20]

那么,我们现在表示一个20岁中国国籍的男生,那么他的特征为:[‘男’, ‘中国’, 20],我们将特征数字化,即表示为:[1, 0, 2],但是这样的特征放入 Machine Learning 中是不可以的,因为类别之间是无序的,针对这种情况,我们介绍 one-hot 编码:

对于性别特征,有两种取值:女/男,我们用 10(二进制) 表示女,用 01(二进制)表示男

对于国籍特征,有四种取值,我们用 1000(二进制)表示中国,0100(二进制)表示美国,0010(二进制)表示俄罗斯,0001(二进制)表示英国

对于年龄特征,有三种取值,我们用 100(二进制)表示18岁,010(二进制)表示19岁,001(二进制)表示20岁

故对于20岁中国国籍的男生,我们可以表示为:[011000001],用下面这张图更能形象化理解:

image.png

3.Python 代码

下述代码在 Jupyter 上运行,没有安装过 Jupyter 的读者可以看博客:最详细的Anaconda Installers 的安装【numpy,jupyter】(图+文)

from sklearn import preprocessing  
enc = preprocessing.OneHotEncoder()         # 调用OneHotEncoder()
enc.fit([[0, 2, 2],
         [1, 1, 4],
         [1, 0, 1],
         [0, 1, 3]])  # 提供训练数据:4个数据,3种特征
array = enc.transform([[0,1,3]]).toarray()  # 测试,随便输入一个新数据去测试
array   # 独热编码结果:[[1., 0., 0., 1., 0., 0., 0., 1., 0.]] 


目录
相关文章
|
网络协议 Shell Linux
【Shell 命令集合 网络通讯 】Linux 创建网络连接 nc命令 使用教程
【Shell 命令集合 网络通讯 】Linux 创建网络连接 nc命令 使用教程
1093 1
|
弹性计算 Java 大数据
揭秘企业数据智能创新奥秘 | 2023云栖大会倚天专场
【倚天专场】邀请了弹性计算、操作系统、平头哥、ARM中国等专家为大家解读阿里云倚天ECS实例最新进展,包括云原生处理器最新技术、龙蜥+倚天软硬件结合、倚天ECS实例最佳实践等话题,为客户上云提供一个更具“性价比”的选择,加速企业数据智能创新。
|
11月前
|
Ubuntu Linux 应用服务中间件
Rocky Linux 9下logrotate配置及踩坑记
本文介绍在Rocky Linux 9系统中配置Nginx日志轮转的完整过程,满足等保要求保留180天日志。通过修改`/etc/logrotate.conf`并创建Nginx专属轮转配置,结合`logrotate.d`与每日定时任务,解决默认无cron脚本导致轮转失效的问题,并提示避免将日志置于系统目录引发权限错误。
|
前端开发 安全 中间件
Thinkphp5跨域问题常见的处理方法
通过这些步骤,可以有效解决ThinkPHP5中的跨域问题,确保前后端分离架构下的正常通信。
882 84
|
Kubernetes Ubuntu Docker
Kubernetes安装详细教程 RHEL系列版
本教程基于Rocky Linux 9.5配置Kubernetes环境,涵盖系统准备、containerd安装、K8S组件部署及CNI网络插件配置,其中包含国内镜像加速与集群初始化。
|
供应链 监控 安全
网络安全中的零信任架构:从概念到部署
网络安全中的零信任架构:从概念到部署
1629 75
|
JSON 机器人 API
gewe微信机器人搭建教程
GeWe开放平台是基于 微信开放平台的二次封装API服务,开发者可以使用本服务来处理微信中的各种事件,并可以通过后台调用对应的 API 来驱动微信自动执行任务,如自动收发消息、自动化应答、自动群邀请、群管理等,封装了 RPA技术流程,简化开发者二次开发难度,提供了开发者与微信对接的能力,使用简单,操作快捷,支持多种语言接入。
1321 17
CPU的工作原理基于其内部结构,通过执行指令来完成各种任务
CPU的工作原理基于其内部结构,通过执行指令来完成各种任务
788 3
|
存储 缓存 关系型数据库
图解MySQL【日志】——Redo Log
Redo Log(重做日志)是数据库中用于记录数据页修改的物理日志,确保事务的持久性和一致性。其主要作用包括崩溃恢复、提高性能和保证事务一致性。Redo Log 通过先写日志的方式,在内存中缓存修改操作,并在适当时候刷入磁盘,减少随机写入带来的性能损耗。WAL(Write-Ahead Logging)技术的核心思想是先将修改操作记录到日志文件中,再择机写入磁盘,从而实现高效且安全的数据持久化。Redo Log 的持久化过程涉及 Redo Log Buffer 和不同刷盘时机的控制参数(如 `innodb_flush_log_at_trx_commit`),以平衡性能与数据安全性。
1222 5
图解MySQL【日志】——Redo Log
|
机器学习/深度学习 供应链 搜索推荐
优化销售预测:6种模型适用的场景与实战案例
不同行业的销售预测采用什么模型比较好?3分钟了解6种销售预测模型,以及适用行业场景。
4697 2
优化销售预测:6种模型适用的场景与实战案例