one-hot编码

最新推荐文章于 2025-05-15 00:43:09 发布

原创最新推荐文章于 2025-05-15 00:43:09 发布 · 278 阅读

0 ·

CC 4.0 BY-SA版权

代码实现同时被 2 个专栏收录

18 篇文章

订阅专栏

SKlearn

2 篇文章

订阅专栏

本文深入讲解了One-hot编码的概念，这是一种常用于机器学习预处理的编码方式，将分类变量转换为二进制向量，每个类别对应一个维度，仅有一个维度为1，其余均为0。文章通过实例演示了如何手动进行One-hot编码，并使用Python的sklearn库实现编码过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

什么是one-hot编码？one-hot编码，又称独热编码、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。

对于如下矩阵，手工编码：

[0,0,3],[1,1,0],[0,2,1],[1,0,2]

0,1
0->1,0
1->0,1

0,1,2
0->1,0,0
1->0,1,0
2->0,0,1

0,1,2,3
0->1,0,0,0
1->0,1,0,0
2->0,0,1,0
3->0,0,0,1

那么[0,1,3]=》 1,0,0,1,0,0,0,0,1

下面编程验证一下。

from sklearn import preprocessing  
enc = preprocessing.OneHotEncoder()  # 创建对象
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])   # 拟合
array = enc.transform([[0,1,3]]).toarray()  # 转化
print(array)


[[1. 0. 0. 1. 0. 0. 0. 0. 1.]]