独热编码 (One-Hot Encoding) 介绍及MATLAB命令

独热编码 (One-Hot Encoding) 介绍及MATLAB实现

1 独热编码 (One-Hot Encoding)介绍

1. 独热编码又叫一位有效 (One-Hot) 编码，是机器学习中常用的一种标签编码方式。对于M个样本的N种状态，通过建立$N\times M$维度的寄存器数组来实现编码，并且每个编码向量只有一位有效。

示例:

 % 状态
>> [1 2 2 1]  


 % 编码
>>  1     0     0     1     
     0     1     1     0

2. 编码数组的每个列向量只有若干0和一个1，1表示有效位。
   例如风险评级，[‘低’, ‘较低’, ‘一般’, ‘较高’, ‘高’]，需要将该文本类型量化，最简单的方法是用序号[1 2 3 4 5]表示，但这样的处理结果不能直接放到BP神经网络中，如下所示:

% % %  输入向量
P = [0.1 0.85 0.65 0.12;
    0.05 0.24 0.25 0.03];


% 输出向量
T = [1 2 2 1];


% % % newff函数构建BP，隐含层节点为10

net = newff([0 1;0 1], [10 1]);


% 用排序方式的数据，训练网络
net = train(net, P, T);


% 仿真输入
Y = sim(net, P)

运行结果:

>> 0.99998            2            1      0.99995

得到的结果中，会有连续型数字，从而使得无法辨别风险等级。

2. MATLAB命令

当含有大量的等级数据时, 如果手动编码，会比较繁琐，MATLAB中提供的ind2vec()函数可实现对状态数组的编码.

示例:

% 输入编码命令
>> ind2vec([1 2 2 1])

% 编码结果
>> ans =
   (1,1)        1
   (2,2)        1
   (2,3)        1
   (1,4)        1
   
   

该结果为稀疏数组形式，通过full()函数，可显示完整的编码内容:

>> full(ind2vec([1 2 2 1]))


>> ans =
     1     0     0     1
     0     1     1     0