one-hot vector（独热编码）

提出的目的：
在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男女，祖国有中国，美国，法国等。
这些特征值并不是连续的，而是离散的，无序的。于是，我们需要对其进行特征数字化。

具体含义：
One-Hot编码，又称为一位有效编码，主要是采用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。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。

举例说明：

假如某个样本（某个人），他的特征是这样的[“男”,“中国”,“乒乓球”]。哪一维是1，就代表对象属于哪一类。

性别特征：[“男”，“女”] ，对应[1，0]。

祖国特征：[“中国”，"美国，“法国”]， 对应[1，0，0]。

运动特征：[“足球”，“篮球”，“羽毛球”，“乒乓球”]， 对应[0，0,0，1]。

完整的特征数字化的结果为：

[1，0，1，0，0，0，0，0，1]。

这样做的好处：
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。

而我们使用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。

原文：https://blog.csdn.net/wxystyle/article/details/80729741