在很多机器学习中，特征并总是连续值，而是分类值。

["male", "female"]

["from Europe", "from US", "from Asia"]

["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]

将上面的数据用数字表示

["male", "from US", "uses Internet Explorer"] ===> [0, 1, 3]

["female", "from Asia", "uses Chrome"] ===> [1, 2, 1]

现在数据转化为数字表示，但是还不能直接用在分类器中。

因为，分类器往往默认数据是连续的，并且是有序的。但是上面表示的数据，数字是随机分配的。

one-hot编码

one-hot编码（独热编码），又称为一位有效编码。

方法是：N位状态寄存器对应N个状态进行编码，这样每个状态都由独立的寄存器表示。

比如，自然状态码为

000
001
010
011
100
101

one-hot编码

000001
000010
000100
001000
010000
100000

假设，对于一个特征，可能有m个值，则one-hot编码后，则变成m个二元特征

这样做的好处是，解决了分类器不好处理属性数据的问题，在一定程度上扩充特征。

from sklearn import preprocessing
enc = preprocessing.OneHotEncoder()
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
enc.transform([[0, 1, 3]]).toarray()