one-hot的基本思想：将离散型特征的每一种取值都看成一种状态，若你的这一特征中有N个不相同的取值，那么我们就可以将该特征抽象成N种不同的状态，one-hot编码保证了每一个取值只会使得一种状态处于“激活态”，也就是说这N种状态中只有一个状态位值为1，其他状态位都是0。
举个例子，假设我们以浏览器为例，我们想要研究的类别为
- 浏览器：["Firefox"，"Chrome"，"Safari"，"Internet Explorer"]
共有4个类别，我们使用one-hot对其编码就会得到：
Firefox: [1, 0, 0, 0]
Chorme: [0, 1, 0, 0]
Safari: [0, 0, 1, 0]
IE: [0, 0, 0, 1]
如果出现多个特征
比如：
- 性别：["male"，"female"]
那么对于实例（Firefox, female）编码即为[1, 0, 0, 0, 0, 1]，即将两个类别的One-Hot编码组装在一起了。
当然这样的缺点就是编码向量太稀疏了。
Python实现：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
browser = ["Firefox", "Chrome", "Safari", "Internet Explorer"] gender = ["male", "female"] def onehotEncoding(instance1, instance2, class1, class2): temp1, temp2 = [0] * len(class1), [0] * len(class2) temp1[class1.index(instance1)] = 1 temp2[class2.index(instance2)] = 1 return temp1 + temp2 for i in browser: for j in gender: print(onehotEncoding(i, j, browser, gender)) |
结果：
