数据处理——One-Hot Encoding

Posted 蚂蚁flow

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据处理——One-Hot Encoding相关的知识,希望对你有一定的参考价值。

一、One-Hot Encoding

    One-Hot编码,又称为一位有效编码,主要是采用技术分享位状态寄存器来对技术分享个状态进行编码,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。
    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:
有如下三个特征属性:
  • 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。

二、One-Hot Encoding的处理方法

    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。

三、实际的Python代码

[python] view plain copy
 
  1. from sklearn import preprocessing  
  2.   
  3. enc = preprocessing.OneHotEncoder()  
  4. enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])  
  5.   
  6. array = enc.transform([[0,1,3]]).toarray()  
  7.   
  8. print array  

结果:[[ 1.  0.  0.  1.  0.  0.  0.  0.  1.]]

以上是关于数据处理——One-Hot Encoding的主要内容,如果未能解决你的问题,请参考以下文章

数据预处理:独热编码(One-Hot Encoding)

数据预处理之独热编码(One-Hot Encoding)

独热编码(One-Hot Encoding)和 LabelEncoder标签编码 区别 数据预处理:(机器学习) sklearn

特征提取pd.get_dummies() 详解(One-Hot Encoding)

one-hot code 独热编码

one-hot encoding是啥意思