One Hot编码是什么？为什么要用它，什么时候用它？
共 2372字，需浏览 5分钟
·
2022-08-01 02:11
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
当你在玩ML模型的时候，你会在任何地方遇到这个“One hot encoding”的术语。
当你在玩ML模型的时候，你会在任何地方遇到这个“One hot encoding”术语。你可以看到一个one hot编码器的sklearn文档，其中说“使用one-hot也就是one-of- k模式编码分类整数特征”。不是很清楚，对吧？或者至少不适合我。让我们看看one hot编码到底是什么。
One hot编码方法是将分类变量转换成一种形式，这种形式可以提供给ML算法，以便更好地进行预测。
假设数据集如下:
╔════════════╦═════════════════╦════════╗
║ CompanyName Categoricalvalue ║ Price ║
╠════════════╬═════════════════╣════════║
║ VW ╬ 1 ║ 20000 ║
║ Acura ╬ 2 ║ 10011 ║
║ Honda ╬ 3 ║ 50000 ║
║ Honda ╬ 3 ║ 10000 ║
╚════════════╩═════════════════╩════════╝分类值表示数据集中条目的数值。例如：如果数据集中有另一家公司，它的分类值应该是4。随着惟一条目数量的增加，分类值也相应地增加。
上表只是一种表示。实际上，分类值从0开始一直到N-1个类别。
你可能已经知道，可以使用sklearn的LabelEncoder完成分类值分配。
现在让我们回到one hot编码：假设我们按照sklearn文档中给出的说明来进行one hot编码，然后进行一些清理，最后得到以下结果:
╔════╦══════╦══════╦════════╦
║ VW ║ Acura║ Honda║ Price ║
╠════╬══════╬══════╬════════╬
║ 1 ╬ 0 ╬ 0 ║ 20000 ║
║ 0 ╬ 1 ╬ 0 ║ 10011 ║
║ 0 ╬ 0 ╬ 1 ║ 50000 ║
║ 0 ╬ 0 ╬ 1 ║ 10000 ║
╚════╩══════╩══════╩════════╝在我们进一步讨论之前，你能想到一个原因吗？为什么仅仅使用标签编码给模型训练是不够的？为什么需要one hot编码？
标签编码的问题是，它假定类别值越高，类别越好。“等等，什么! ？”
让我解释一下：这种组织形式的前提是基于类比的值，VW > Acura > Honda。假设你的模型内部计算平均值，那么我们得到，1+3 = 4/2 =2。这意味着：VW 和Honda的平均水平是 Acura。这绝对是个灾难。这个模型的预测会有很多误差。
这就是为什么我们使用one hot编码器来执行类别的“二值化”，并将其作为一个特征来训练模型。
另一个例子：假设你有一个“flower”特征，它可以接受“daffodil”、“lily”和“rose”的值。一个one hot编码将“flower”特征转换为三个特征，“is_daffodil”、“is_lily”和“is_rose”，它们都是二进制的。
见下图：
好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1：OpenCV-Contrib扩展模块中文版教程 在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。 下载2：Python视觉实战项目52讲 在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。 下载3：OpenCV实战项目20讲 在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。 交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~