One-hot Encoding 构造特征

为什么80%的码农都做不了架构师？>>>   

在看「XGBoost: A Scalable Tree Boosting System」论文时，里面提到 one-ho encoding 方法，其实就是常说的 bit-map。

There are multiple possible causes for sparsity: 1) presence of missing values in the data; 2) frequent zero entries in the statistics; and, 3) artifacts of feature engineering such as one-hot encoding.

有如下属性：

• 性别：["男", "女"]

• 喜欢的游戏： ["LOL", "Dota", "仙剑"]

• 职业：["程序员", "产品", "设计师"]

那么属性为男（[1, 0]），喜欢 LOL（[1, 0, 0]），程序员（[1, 0, 0]）的人，特征向量表示为：

1 0 1 0 0 1 0 0

sklean 示例

from sklearn import preprocessing

enc = preprocessing.OneHotEncoder()
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])

array = enc.transform([[0,1,3]]).toarray()

print array

第 1 维 第 2 维  第 3 维
[0,    0,    3]
[1,    1,    0]
[0,    2,    1]
[1,    0,    2]

enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) 表示了三维特征，第一维最大为 1，第二维最大为 2，第一三维最大为 3，所以分别用二位，三位，四位 bit 来表示。

打印结果

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

参考

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

转载于:https://my.oschina.net/lvyi/blog/779202