数据预处理之独热编码（One-Hot）

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。

One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1

那什么是特征数字化呢？例子如下：

• 性别特征：["男"，"女"]

• 祖国特征：["中国"，"美国，"法国"]

• 运动特征：["足球"，"篮球"，"羽毛球"，"乒乓球"]

One-Hot实际案例
　　男　== 10
　　中国 ==100
　　篮球 ==0100
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

为什么使用one-hot编码来处理离散型特征?

　　　　在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，而我们常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。

　　而我们使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。

　　将离散型特征使用one-hot编码，确实会让特征之间的距离计算更加合理

作者：NateHuang
链接：https://www.imooc.com/article/35900
来源：慕课网