本文主要是介绍One-Hot 编码，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！
独热编码即 One-Hot 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。独热编码恰好是一种解决上述问题的好办法。不过数据也因此变得稀疏。
[{‘city’: ‘北京’,‘location’:‘北方’,‘temperature’:100},
{‘city’: ‘上海’,‘location’:‘南方’,‘temperature’:60},
{‘city’: ‘深圳’,‘location’:‘南方’,‘temperature’:30}，
{‘city’: ‘深圳’,‘location’:‘南方’,‘temperature’:20}]
上述中对于city类别进行数字化，我们可以使用123分表来表示北京、上海、深圳；在特征量非常少的情况下，使用这种简单数字化的方式表示一个类别是可以，但是在面对大量特征的时候，我们就会发现无法继续使用这个方式来唯一的表示一个类别。而one-hot编码刚好契合的这个问题，对于city特征，在这里我们发现它一共有3个类别，那么我们是否可以使用3个状态位来分别表示呢，对于location使用2个状态位来表示呢？
对于特征city：
北京：100
上海：010
深圳：001
对于特征location：
北方01
南方10
对于特征temperature：
本身是数字，不使用one-hot编码
对于样本1编码为：100 01 100
from sklearn.feature_extraction import DictVectorizer
import numpy as npdef dictvec():'''字典数据抽取return None'''# 实例化# dict = DictVectorizer() # sparse默认为Truedict = DictVectorizer(sparse=False) # data输出为ndarray数组# 调用fit_transformdata = dict.fit_transform([{'city': '北京','location':'北方','temperature':100},
{'city': '上海','location':'南方','temperature':60},
{'city': '深圳','location':'南方','temperature':30},
{'city': '深圳','location':'南方','temperature':20}])print(dict.get_feature_names())# 字典数据抽取：把字典中一些类别的数据，分别进行转换成特征print(data)return Noneif __name__ == '__main__':dictvec()
得到的输出结果如下，为ndarray数组。
[‘city=上海’, ‘city=北京’, ‘city=深圳’, ‘location=北方’, ‘location=南方’, ‘temperature’]
[[ 0. 1. 0. 1. 0. 100.]
[ 1. 0. 0. 0. 1. 60.]
[ 0. 0. 1. 0. 1. 30.]
[ 0. 0. 1. 0. 1. 20.]]
这篇关于One-Hot 编码的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
