作者：Rakshith Vasudev
編譯：ronghuaiyang

導讀

當你在玩ML模型的時候，你會在任何地方遇到這個“One hot encoding”的術語。

當你在玩ML模型的時候，你會在任何地方遇到這個“One hot encoding”術語。你可以看到一個one hot編碼器的sklearn文檔，其中說“使用one-hot也就是one-of- k模式編碼分類整數(shù)特征”。不是很清楚，對吧？或者至少不適合我。讓我們看看one hot編碼到底是什么。

One hot編碼方法是將分類變量轉(zhuǎn)換成一種形式，這種形式可以提供給ML算法，以便更好地進行預測。

假設數(shù)據(jù)集如下:

╔════════════╦═════════════════╦════════╗ ║ CompanyName Categoricalvalue ║ Price ║ ╠════════════╬═════════════════╣════════║ ║ VW ╬ 1 ║ 20000 ║ ║ Acura ╬ 2 ║ 10011 ║ ║ Honda ╬ 3 ║ 50000 ║ ║ Honda ╬ 3 ║ 10000 ║ ╚════════════╩═════════════════╩════════╝

分類值表示數(shù)據(jù)集中條目的數(shù)值。例如：如果數(shù)據(jù)集中有另一家公司，它的分類值應該是4。隨著惟一條目數(shù)量的增加，分類值也相應地增加。

上表只是一種表示。實際上，分類值從0開始一直到N-1個類別。

你可能已經(jīng)知道，可以使用sklearn的LabelEncoder完成分類值分配。

現(xiàn)在讓我們回到one hot編碼：假設我們按照sklearn文檔中給出的說明來進行one hot編碼，然后進行一些清理，最后得到以下結(jié)果:

╔════╦══════╦══════╦════════╦ ║ VW ║ Acura║ Honda║ Price ║ ╠════╬══════╬══════╬════════╬ ║ 1 ╬ 0 ╬ 0 ║ 20000 ║ ║ 0 ╬ 1 ╬ 0 ║ 10011 ║ ║ 0 ╬ 0 ╬ 1 ║ 50000 ║ ║ 0 ╬ 0 ╬ 1 ║ 10000 ║ ╚════╩══════╩══════╩════════╝

0表示不存在，1表示存在。

在我們進一步討論之前，你能想到一個原因嗎？為什么僅僅使用標簽編碼給模型訓練是不夠的？為什么需要one hot編碼？

標簽編碼的問題是，它假定類別值越高，類別越好?！暗鹊?#xff0c;什么! ？”

讓我解釋一下：這種組織形式的前提是基于類比的值，VW > Acura > Honda。假設你的模型內(nèi)部計算平均值，那么我們得到，1+3 = 4/2 =2。這意味著：VW 和Honda的平均水平是 Acura。這絕對是個災難。這個模型的預測會有很多誤差。

這就是為什么我們使用one hot編碼器來執(zhí)行類別的“二值化”，并將其作為一個特征來訓練模型。

另一個例子：假設你有一個“flower”特征，它可以接受“daffodil”、“l(fā)ily”和“rose”的值。一個one hot編碼將“flower”特征轉(zhuǎn)換為三個特征，“is_daffodil”、“is_lily”和“is_rose”，它們都是二進制的。

見下圖：

英文原文：https://hackernoon.com/what-is-one-hot-encoding-why-and-when-do-you-have-to-use-it-e3c6186d008f

更多文章，請關注微信公眾號：AI公園

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的hot编码 字符one_One Hot编码是什么？为什么要用它，什么时候用它？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。