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。
听概念的话显得比较复杂，我们来看一个例子。
假设我们有一群学生，他们可以通过四个特征来形容，分别是：
- 性别：[“男”，“女”]
- 年级：[“初一”，“初二”，“初三”]
- 学校：[“一中”，“二中”，“三中”，“四中”]
举个例子，用上述四个特征来描述小明同学，即“男生，初一，来自二中”，如果特征类别是有序的话，我们能够用表示顺序的数组表示
即“男生，初一，来自一中” ==> [0,0,1]
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
这时候就可以用独热编码的形式来表示了，我们用采用N位状态寄存器来对N个状态进行编码，拿上面的例子来说，就是：
| 性别 | [“男”，“女”] | N=2 | 男：1 0 女：0 1 |
| 年级 | [“初一”，“初二”，“初三”] | N=3 | 初一：1 0 0 初二：0 1 0 初三：0 0 1 |
| 学校 | [“一中”，“二中”，“三中”，“四中”] | N=4 | 一中：1 0 0 0 二中：0 1 0 0 三中：0 0 1 0 四中：0 0 0 1 |
因此，当我们再来描述小明的时候，就可以采用 [1 0 1 0 0 0 1 0 0]
很多人在介绍独热编码的时候，都引用了下面这段代码，但是解释的比较模糊，下面详细解释一下。
from sklearn import preprocessing enc = preprocessing.OneHotEncoder() enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) #这里一共有4个数据，3种特征 array = enc.transform([[0,1,3]]).toarray() #这里使用一个新的数据来测试
print(array) # [[ 1 0 0 1 0 0 0 0 1]]
这里一共有四个数据，三种特征，是那四个呢，我们列出矩阵
| 第一种 | 第二种 | 第三种 | |
| 第一个 | 0 | 0 | 3 |
| 第二个 | 1 | 1 | 0 |
| 第三个 | 0 | 2 | 1 |
| 第四个 | 1 | 0 | 2 |
我们竖着看，可以看出第一种特征中只有0、1两类，第二组有0,、1、2三类，第三种有0、1、2、3四类，因此分别可以用2、3、4个状态类来表示。
enc.transform就是将[0,1,3]这组特征转换成one hot编码，toarray()则是转成数组形式。
第一个数为0，对应第一种特征则为 1 0；
第二个数为1，对应第二种特征则为 0 1 0；
第三个数为3，对应第三种特征则为 0 0 0 1。
所以最后的输出为：[[ 1 0 0 1 0 0 0 0 1]]
同样的，当我们拿小明的表述[0,0,1]来测试的时候，得到了与第一个例子相同的结果。
from sklearn import preprocessing enc = preprocessing.OneHotEncoder() enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]]) #这里一共有4个数据，3种特征 array = enc.transform([[0,0,1]]).toarray() #这里使用一个新的数据来测试 print(array) [[1. 0. 1. 0. 0. 0. 1. 0. 0.]]