机器学习的多种编码方式，独热、标签等

一. 常见的特征类型

我们在学习机器学习的时候，往往会遇到各色各样的数据集。在拿到数据集那一刻，我们应该仔细看看数据集的内部情况。每一个样本通常带有多个特征的，一般特征类型分为连续型特征和离散型特征，离散型特征又分为类别特征和数值特征，性别（男，女）就是典型的类别特征。
编码往往应对的就是类别特征，无论是连续型特征，还是离散数值型特征，都可以通过简单的归一化就送进机器学习模型当中去。然而对于类别特征，仅有少数的模型支持字符串形式的类别特征的处理，例如决策树。因此，我们需要针对不同的场合，采用合适的编码方式对类别特征进行数值化。

二、编码方式

我们在学习sklearn和参加kaggle竞赛的时候，常常遇见各种类型的数据，需要采取适合的方式去编码，接下来就讲解目前主要的编码方式。

2.1 独热编码

什么是独热编码？为什么使用独热编码？在什么时候使用？我们需要带着这些疑问进行学习。
One-Hot编码，又称为一位有效编码，主要是采用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，并且在任意时候只有一位有效。也就是说该离散型类别特征有N个不同的取值，就有N个状态，就用N位寄存器（N位二进制）来表示N个不同的值。每N个比特位表示的值只有一个是1，其余为0，其实就是以二进制的形式表示，主要用于特征内部取值是无序的，例如颜色（红，蓝，绿。
独热编码在机器学习中的应用实