数据预处理值onehotencoding

-----------------原文  https://blog.csdn.net/m0_38052384/article/details/102738001 

在很多机器学习任务中，特征并不总是连续值，有可能是分类值。

 

1. ["male", "female"]
2.  
    
3.  
   ["from Europe", "from US", "from Asia"]
4.  
    
5.  
   ["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]

    如果将上述特征用数字表示，效率会高很多，例如：

1.  
   ["male", "from US", "uses Internet Explorer"] 表示为[0, 1, 3]
2.  
   ["female", "from Asia", "uses Chrome"]表示为[1, 2, 1]

但是转化为数字表示后，上述数据不能直接在我们的分类器中使用。因为，分类器往往默认数据是连续的，并且是有序的。

onehotencoding，其方法是使用N位状态寄存器对N个状态进行编码，每个状态都有他独立的寄存器位，并且在 任意的时候，其中只有一位有效。

对于每一个特征，如果它有m个可能值，那么经过onehotencoding后，就变成了m个二元特征。并且这些特征互斥，每次只有一个激活。因此，数据就会变成稀疏的。