One Hot編碼指的是什么

這篇文章給大家介紹One Hot編碼指的是什么，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

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。

假設數據集如下:

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

分類值表示數據集中條目的數值。例如：如果數據集中有另一家公司，它的分類值應該是4。隨著惟一條目數量的增加，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。

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

現在讓我們回到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，最后得到以下結果:

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

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。“等等，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”、“lily”和“rose”的值。一個one hot編碼將“flower”特征轉換為三個特征，“is_daffodil”、“is_lily”和“is_rose”，它們都是二進制的。

見下圖：

關于One Hot編碼指的是什么就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。