概述

在机器学习算法中，我们经常会遇到 分类（类别）特征，例如：人的性别，所在班级，籍贯、花卉的种类、狗的品种等。

将这些 文本特征 用数字表示，才能进行数学运算

案例

有以下数据集：

如果将上述特征用数字表示，我们一般会按照 顺序进行编号，如下：

注意：
由于年龄本身就是数字，这里没有改动

["李雷", "male", 20] 表示为[0, 0, 20]

["lucy", "female", 19]表示为[2, 1, 19]

["lili", "female", 19]表示为[3, 1, 19]

["王大锤", "unknown", 21]表示为[4, 0, 21]

像这种，通过序号对数据集进行数字表示，在人工智能算法中会有巨大问题：

有时会计算 平均值，用名字李雷和王大锤计算平均值：(0+4)/2=2，结果是名字lucy，这显然是不合理的

特征数字从小到大，在算法中，可能会认为 数字越大 的 越重要，而事实上这些特征数字是 同等重要 的

为了解决上述问题，采用独热编码（One-Hot Encoding）。

用 N位状态寄存器 来对 N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候，其中只有 1位有效

如上，由于姓名编号的 最大值是 4，即有 5种（从0开始算）情况，那么 one-hot 编码有 5个数字，

将名字用 one-hot 进行编码，如下：

       0  1  2  3  4
0 -> [[1, 0, 0, 0, 0 ]
1 ->  [0, 1, 0, 0, 0 ]
2 ->  [0, 0, 1, 0, 0 ]
3 ->  [0, 0, 0, 1, 0 ]
4 ->  [0, 0, 0, 0, 1 ]]

上面这种就称为：独热编码，即 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，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。