python进行one-shot编码

### 如何在Python中实现One-Hot编码 #### 使用`scikit-learn`库中的`OneHotEncoder` 为了在Python中执行One-Hot编码，常用的方法是利用`scikit-learn`库里的`OneHotEncoder`类。此方法适用于将分类数据转换为数值型特征矩阵，以便于后续的机器学习算法处理。 ```python from sklearn.preprocessing import OneHotEncoder import numpy as np data = [['cat'], ['dog'], ['bird'], ['cat'], ['bird']] encoder = OneHotEncoder(sparse=False) data_array = np.array(data) onehot_encoded = encoder.fit_transform(data_array) print(onehot_encoded) # 输出One-Hot编码的结果 ``` 上述代码展示了如何创建一个包含类别标签的数据集，并对其进行One-Hot编码的过程[^1]。 #### 自定义函数实现One-Hot编码除了借助第三方库外，还可以编写自定义函数来完成相同的功能： ```python def one_hot_encode(labels): unique_labels = list(set(labels)) label_to_index = {label: index for index, label in enumerate(unique_labels)} encoded_matrix = [] for label in labels: vector = [0]*len(unique_labels) idx = label_to_index[label] vector[idx] = 1 encoded_matrix.append(vector) return np.array(encoded_matrix), unique_labels labels = ['red', 'green', 'blue'] encoded_matrix, categories = one_hot_encode(labels) print("Encoded Matrix:\n", encoded_matrix) print("Categories:", categories) ``` 这段脚本实现了基本的One-Hot编码逻辑，它接受一系列字符串类型的输入并返回相应的二进制向量以及原始类别名称列表[^2]。 #### 文字和字符级别的One-Hot编码当涉及到更复杂的场景比如自然语言处理时，则可能需要用到基于单词或字符层面的One-Hot编码方式。这里给出了一种针对单个样本（即一句话）内所有可能出现过的单词做One-Hot表示的方式[^3]: ```python samples = ["The cat sat on the mat.", "The dog ate my homework."] token_index = {} for sample in samples: for word in sample.split(): if word not in token_index: token_index[word] = len(token_index) + 1 max_length = max([len(sample.split()) for sample in samples]) results = np.zeros(shape=(len(samples), max_length, max(len(token_index.values()), 1))) for i, sample in enumerate(samples): for j, word in list(enumerate(sample.split())): index = token_index.get(word) results[i, j, index] = 1. print(results.shape) ```

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 tensflow-gpu测试代码python