Labelhot和OneHot的使用

2024-09-06 06:32

文章标签 使用 onehot labelhot

本文主要是介绍Labelhot和OneHot的使用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

对于一些特征工程方面，有时会用到LabelEncoder和OneHotEncoder。

比如kaggle中对于性别，sex，一般的属性值是male和female。两个值。那么不靠谱的方法直接用0表示male，用1表示female 了。上面说了这是不靠谱的。

所以要用one-hot编码。

首先我们需要用LabelEncoder把sex这个属性列里面的离散属性用数字来表示，就是上面的过程，把male,female这种不同的字符的属性值，用数字表示。

以titanic 里面的train数据集为例.

Step1和step2解决的就是先fit所有样本的Sex属性值，就知道有多少个不同的属性值，有male和female，就用0和1表示，假如有3个不同的值，就用0,1,2表示。step2中transform操作就是转为数字表示形式。

但是转换成这样还不行，上面说过了，这样直接用数字表示的话，是不合理的，至于为什么不合理，待会引入scikit learn 中的原文。所以再把这些数字转化为one-hot编码形式。

这里就用OneHotEncoder

两行代码就把数值型表示转为了one-hot编码形式。

下面引入scikit learn中的OneHotEncoder的介绍。

http://scikit-learn.org/stable/modules/preprocessing.html#preprocessing

具体内容看上面链接，下面转载这个博客对一些文字的翻译

http://blog.csdn.net/google19890102/article/details/44039761

一、One-Hot Encoding       One-Hot 编码，又称为一位有效编码，主要是采用  位状态寄存器来对  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。 
 有如下三个特征属性： 
二、One-Hot Encoding的处理方法三、实际的Python代码     在实际的机器学习的应用任务中，特征有时候并不总是连续值，有可能是一些分类值，如性别可分为“ male ”和“ female ”。在机器学习任务中，对于这样的特征，通常我们需要对其进行特征数字化，如下面的例子： 
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。 
     对于上述的问题，性别的属性是二维的，同理，地区是三维的，浏览器则是思维的，这样，我们可以采用One-Hot编码的方式对上述的样本“ [" male "，" US "，" Internet Explorer "] ”编码，“ male ”则对应着[1，0]，同理“ US ”对应着[0，1，0]，“ Internet Explorer ”对应着[0,0,0,1]。则完整的特征数字化的结果为：[1,0,0,1,0,0,0,0,1]。这样导致的一个结果就是数据会变得非常的稀疏。 
 
 