2025年One-hot编码

One-hot编码目录 One hot 编码概念 One hot 编码的优缺点 One hot 编码概念 One Hot 编码 又称一位有效编码 其方法是使用 N 位状态寄存器来对 N 个状态进行编码 每个状态都有它独立的寄存器位 并且在任意时候 其中只有一位有效 One Hot 编码是分类变量作为二进制向量 的表示

大家好,我是讯享网,很高兴认识大家。

目录

One-hot编码概念

One-hot编码的优缺点


One-hot编码概念

One-Hot 编码,又称一位有效编码。其方法是使用 N 位状态寄存器来对 N 个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。

One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后,每个整数值被表示为二进制向量,除了整数的索引之外,它都是零值,它被标记为1。
 

举个栗子:

按照 N位状态寄存器 来 对N个状态 进行编码的原理,处理后应该是这样的

性别特征:["男","女"] (这里只有两个特征,所以 N=2):

男  =>  10

女  =>  01

祖国特征:["中国","美国,"法国"](N=3):

中国  =>  100

美国  =>  010

法国  =>  001

运动特征:["足球","篮球","羽毛球","乒乓球"](N=4):

足球  =>  1000

篮球  =>  0100

羽毛球  =>  0010

乒乓球  =>  0001

所以,当一个样本为 ["男","中国","乒乓球"] 的时候,完整的特征数字化的结果为:

[1,0,1,0,0,0,0,0,1]

下图可能会更好理解:

讯享网

 Python代码:

from sklearn import preprocessing enc = preprocessing.OneHotEncoder() enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) # 训练。这里共有4个数据,3种特征 array = enc.transform([[0,1,3]]).toarray() # 测试。这里使用1个新数据来测试 print array # [[ 1 0 0 1 0 0 0 0 1]] # 独热编码结果

讯享网

以上对应关系可以解释为下图:

测试数据:                      [0,1,3]

对应位置:                  01 012 0123

one-hot编码结果:      10 010 0001

One-hot编码的优缺点

优点:
(1) 解决了 分类器不好处理离散数据的问题。

    a. 欧式空间。在回归,分类,聚类等机器学习算法中,特征之间距离计算 或 相似度计算是非常重要的,而我们常用的距离或相似度的计算都是在欧式空间的相似度计算,计算余弦相似性,基于的就是欧式空间。

    b. one-hot 编码。使用 one-hot 编码,将离散特征的取值扩展到了欧式空间,离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用 one-hot 编码,确实会让特征之间的距离计算更加合理。

(2) 在一定程度上也起到了 扩充特征 的作用。

缺点:
在文本特征表示上有些缺点就非常突出了。

(1) 它是一个词袋模型,不考虑词与词之间的顺序(文本中词的顺序信息也是很重要的);

(2) 它假设词与词相互独立(在大多数情况下,词与词是相互影响的);

(3) 它得到的特征是离散稀疏 的 (这个问题最严重)。

(4)过度自信,容易导致过拟合。

为什么得到的特征是离散稀疏的?

    例如,如果将世界所有城市名称作为语料库的话,那这个向量会过于稀疏,并且会造成维度灾难。如下:

    杭州 [0,0,0,0,0,0,0,1,0,……,0,0,0,0,0,0,0]
    上海 [0,0,0,0,1,0,0,0,0,……,0,0,0,0,0,0,0]
    宁波 [0,0,0,1,0,0,0,0,0,……,0,0,0,0,0,0,0]
    北京 [0,0,0,0,0,0,0,0,0,……,1,0,0,0,0,0,0]

    在语料库中,杭州、上海、宁波、北京各对应一个向量,向量中只有一个值为1,其余都为0。

特别的:

one-hot编码与哈希编码的区别:

one-hot编码:

哈希编码:

注:针对one-hot的过度自信,容易导致过拟合的缺点,GoogleNet v3提出了标签平滑(label smoothing)策略。

详见:标签平滑(label smoothing)

小讯
上一篇 2025-02-26 14:58
下一篇 2025-03-22 17:30

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/131128.html