企业官网建设流程全解析

什么是独热化

用位置信息表示，没有大小关系的数值化操作

对象数值化操作，比如人的身高，150mm

[1,0] 表示长昆虫
[0,1] 表示胖昆虫

红【1，0，0】
绿【0，1，0】
蓝【0，0，1】

想象你要教一个只懂数字的机器人认识“颜色”这个概念。颜色有红、绿、蓝三种。

你不能直接说“红色=1，绿色=2，蓝色=3”，因为机器人会误以为“绿色(2)比红色(1)大”，或者“红色+蓝色=绿色”（1+3=4，对应不了任何颜色）。数字的大小和加减，对颜色来说毫无意义。

独热化就是解决这个问题的聪明办法。

它的做法很简单：

1. 列出所有可能性：比如颜色有 [红, 绿, 蓝]。
2. 给每个可能性分配一个独立的“位置”：就像三个编了号的空箱子。
3. 用“1”表示“是”，用“0”表示“否”：哪个颜色是真的，就在它的箱子里放一个“1”，其他所有箱子里放“0”。

举个例子：

• 红色的独热编码是：[1, 0, 0]（是红吗？是！ 是绿吗？不是。 是蓝吗？不是。）
• 绿色的独热编码是：[0, 1, 0]
• 蓝色的独热编码是：[0, 0, 1]

你看，每个颜色的代码里只有一个“1”（这个“1”是“热”的），其他都是“0”（“冷”的）。所以叫“独热”。

再打个比方，让你记得更牢：

这就像给三个好朋友分配独立的数字ID：

• 小红：[1, 0, 0]
• 小绿：[0, 1, 0]
• 小蓝：[0, 0, 1]

这样，每个ID只属于一个人，没有“大小”关系，也不存在“小红的ID + 小绿的ID = 什么都不是”。计算机一眼就能分清谁是谁。

什么时候会用到？

• 你要在数据里表示“星期几”（周一、周二……周日）
• 表示“国家”（中国、美国、法国……）
• 表示“车型”（轿车、SUV、卡车……）
• 几乎所有机器学习模型处理类别数据时，都离不开独热化。

一个小缺点

如果类别太多（比如有1000种商品），独热化就会产生1000列的数据，大部分都是0，占用很多空间。不过，在很多常见情况下，它简单、有效，非常常用。

一句话总结：独热化就是把像“颜色”这样没有大小顺序的类别，变成一串只有一个是1、其他都是0的代码，让计算机能正确理解，不再乱加或比大小。