机器学习数据预处理1：独热编码（One-Hot）及其代码

文章：http://t.csdn.cn/ndFcq

1. 为什么使用 one-hot 编码？

问题：
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。

目的：

       如果要作为机器学习算法的输入，通常我们需要对其进行特征数字化。什么是特征数字化呢？例如：

       性别特征：["男"，"女"]

       祖国特征：["中国"，"美国，"法国"]

       运动特征：["足球"，"篮球"，"羽毛球"，"乒乓球"]

瓶颈：

假如某个样本（某个人），他的特征是 [“男”,“中国”,“乒乓球”] ，我们可以用 [0,0,4] 来表示，但是这样的特征处理并不能直接放入机器学习算法中。因为类别之间是无序的。