one-hot vector（獨熱編碼）

提出的目的：

在機器學習算法中，我們經常會遇到分類特征，例如：人的性别有男女，祖國有中國，美國，法國等。

這些特征值并不是連續的，而是離散的，無序的。于是，我們需要對其進行特征數字化。

具體含義：

One-Hot編碼，又稱為一位有效編碼，主要是采用N位狀态寄存器來對N個狀态進行編碼，每個狀态都由他獨立的寄存器位，并且在任意時候隻有一位有效。

One-Hot編碼是分類變量作為二進制向量的表示。這首先要求将分類值映射到整數值。然後，每個整數值被表示為二進制向量，除了整數的索引之外，它都是零值，它被标記為1。

舉例說明：

假如某個樣本（某個人），他的特征是這樣的[“男”,“中國”,“乒乓球”]。哪一維是1，就代表對象屬于哪一類。

性别特征：[“男”，“女”] ，對應[1，0]。

祖國特征：[“中國”，"美國，“法國”]， 對應[1，0，0]。

運動特征：[“足球”，“籃球”，“羽毛球”，“乒乓球”]， 對應[0，0,0，1]。

完整的特征數字化的結果為：

[1，0，1，0，0，0，0，0，1]。

這樣做的好處：

在回歸，分類，聚類等機器學習算法中，特征之間距離的計算或相似度的計算是非常重要的，而我們常用的距離或相似度的計算都是在歐式空間的相似度計算，計算餘弦相似性，基于的就是歐式空間。

而我們使用one-hot編碼，将離散特征的取值擴充到了歐式空間，離散特征的某個取值就對應歐式空間的某個點。

将離散型特征使用one-hot編碼，确實會讓特征之間的距離計算更加合理。

原文：https://blog.csdn.net/wxystyle/article/details/80729741