机器学习数据处理one-hot编码

1. 什么是one-hot编码

• 采用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

2. 为什么要one-hot编码

• 在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，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，所以往往默认数据数据是连续的（可以计算距离？），并且是有序的。但是有时用数字表示的数据并不是有序的，而是随机分配的。

3. one-hot编码的好处

1. 解决了分类器不好处理属性数据的问题，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，比如性别本身是一个特征，经过one hot编码以后，就变成了男或女两个特征。
3. 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。