2018-07-01 one-hot（独热编码）学习总结

好久没写了，从CSDN转移到了简书。

初学总结，如有不准确的地方请及时指出哦~

结合sci-kit learn案例学习one hot

sci-kit learn官方案例

相关代码如下：

from sklearn import preprocessing
enc=preprocessing.OneHotEncoder()
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])
array=enc.transform([[0,1,1]]).toarray()
print("enc.n_values_ is:",enc.n_values_)
print ("enc.feature_indices_ is:",enc.feature_indices_)
print(array)

当然，需要先安装numpy，scipy

输出结果如下：

enc.n_values_ is: [2 3 4]
enc.feature_indices_ is: [0 2 5 9]
[[1. 0. 0. 1. 0. 0. 1. 0. 0.]]

根据官方文档所说，n_values_表示Maximum number of values per feature，即每个特征的个数。这样理解下来，我们fit拟合了二维数组的3个特征值，第一个特征值有两种（0:10,1:01）,第二个特征值有3种（0:100,1:010,2:001），第三个特征值有4种（0:1000,1：0100,2：0010,3:0001）

从这里就看出one-hot编码的特点了，只有一位是1，其余都是0

因此，n_values_的值就是[2,3,4]

对于需要转换的[0,1,1]，根据上述分析可知：

one-hot编码值是[1. 0. 0. 1. 0. 0. 1. 0. 0.]