Label Encoding & One-Hot Encoding

为什么需要Encoding?

绝大多数模型不支持类别型变量的输入，

 

什么是One-Hot Encoding?

One-Hot编码即独热编码，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，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。这样做的好处主要有:

1.解决了分类器不好处理属性数据的问题;

2.在一定程度上也起到了扩充特征的作用(有利有弊)。

 

举个?:

有如下三个特征属性：

性别：[“male”，“female”]

地区：[“Europe”，“US”，“Asia”]

浏览器：[“Firefox”，“Chrome”，“Safari”，“Internet Explorer”]

对于某一个样本，如[“male”，“US”，“Internet Explorer”]，我们需要将这个分类值的特征数字化，最直接的方法，我们可以采用序列化的方式：[0,1,3]。但是这样的特征处理并不能直接放入机器学习算法中(针对于某些模型来说)。

对于上述的问题，性别的属性是二维的，所以编码是两位对应

male 和 female 分别是 [1,0] , [0,1]

地区为三位 分别是 [1,0,0] , [0,1,0] , [0,0,1]

浏览器为 [1,0,0,0] ,[0,1,0,0] , [0,0,1,0] , [0,0,0,1]

 

那么样本对应就是 [ 1,0 , 0,1,0 , 0,0,0,1]

 

什么是Label Encoding?

label enc