https://www.imooc.com/article/35900
参考上面大神的原文，说的非常透彻。非常便于理解。感谢 感谢
自己做个小笔记，便于自己学习
特征值是离散的，无序的。
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"]
假如某个样本（某个人），他的特征是这样的["男","中国","乒乓球"]，我们完全可以用 [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（运动数据就是任意排序的）。不理解没关系。
怎么转化成独热码呢？
用独热码来表示就是
男 => 10
女 => 01
祖国特征：["中国"，"美国，"法国"]（这里N=3）：
中国 => 100
美国 => 010
法国 => 001
运动特征：["足球"，"篮球"，"羽毛球"，"乒乓球"]（这里N=4）：
足球 => 1000
篮球 => 0100
羽毛球 => 0010
乒乓球 => 0001
所以，当一个样本为["男","中国","乒乓球"]的时候，完整的特征数字化的结果为：
[1，0，1，0，0，0，0，0，1]
下图可能会更好理解：
这样做的优势 是什么呢？
对于祖国特征：["中国"，"美国，"法国"]
重点 重点 重点！
如果按照 中国 0 ，美国 1，法国2 普通编码的话
那么 中国和法国之间的距离是2，中国和美国的距离是1，美国和法国的距离是1，但是实际上，这种距离是因为我们编码的顺序导致的。中国和法国并不是真的 距离是2 。
而在机器学习中需要计算两者之间的距离（欧氏距离）。这种普通的编码方式并不能表示清楚距离。
而如果用独热码来编码
中国 1 0 0
美国 0 1 0
法国 0 0 1
相当于我搭建了一个三维的空间
那么 任意两国的距离都是 sqrt（2），距离都是相等的！ 这才是关键 关键！
相当于 中国在 x+点处，美国 在y+点处，法国在 z+点处。那么三者之间的距离是不是相等呢？
最后再次感谢 NateHuang