資料處理之one-hot

分類方法，通常需要把資料的各個屬性轉換為一個向量表示，這樣每條資料的特征就是一個向量，向量上的每個次元就表示了一個特征屬性。
           

但是如果要轉換的資料包含了3種屬性，比如身高，體重，年齡。A是女，168cm，70kg，30歲；B是男，180cm，90kg,20歲，那麼直接用數值做向量就變成了，0，168，70，30；1，180，90，20。而168和70或者30是不同的屬性，更明顯的是0或1表示的性别和其他次元差距更大。

有一種是對每個次元的數值進行無量綱的歸一化，也就是說每個次元的數值都歸一化處理到0-1或者-0.5-+0.5之間。

但是這樣依然不好，比如表示性别的0，1與其他次元依然關聯不大，是以有一種叫one-hot的編碼方式，就是表示一項屬性的特征編碼，同一時間隻有一個激活點（不為0）。這樣A的性别變為【1，0】，B的性别編碼為【0，1】。年齡，體重，身高等可以用更多數量的enum表示（數量不是一定要滿足所有枚舉，而是滿足實際資料出現的類别就可以了，比如隻有三種身高，那麼身邊表示的隻需要[0,0,1]就可以）

然後将各個屬性，串聯起來，建構了一個非常稀疏的特征向量，比如性别和身高串聯為【0，1，0，0，1】，保證了各種資料的離散性。

相關參考：

http://blog.csdn.net/google19890102/article/details/44039761