獨熱編碼

習題預習

1. 什麼是One-hot Encoding？
2. One-hot Encoding 主要用於哪些領域？
3. 與其他編碼方式相比，One-hot Encoding有哪些優點？
4. One-hot Encoding適用於所有資料類型嗎？
5. 如何在Python中進行One-hot Encoding？

說明知識

One-hot Encoding，又稱為一位有效編碼，是一種將類別型特徵轉換為數值型特徵的方法。該方法通過將每個類別特徵映射到一個二元向量，來表示每個類別特徵。

舉例來說，假設有一個類別特徵為"顏色"，可能會包括紅色、藍色、綠色等等。在One-hot Encoding中，我們會將每種顏色都映射到一個對應的二元向量。例如：

• 紅色：[1, 0, 0]
• 藍色：[0, 1, 0]
• 綠色：[0, 0, 1]

這表示對於每個樣本，如果它屬於紅色類別，則該顏色特徵對應的值為[1,0,0]；如果它屬於綠色類別，則該顏色特徵對應的值為[0,0,1]，以此類推。這樣，我們可以將原本的顏色特徵轉換成更適合機器學習算法使用的數值型特徵，以進行後續的分析和建模。

條列重點

1. One-hot Encoding是一種將類別型資料轉換成數值型資料的方法。
2. 每個類別被轉換成一個唯一的二進位向量，向量中只有一個元素是1，其他皆為0。
3. One-hot Encoding的轉換能保留類別型資料的順序關係。
4. One-hot Encoding後的特徵離散但維度較高，可能會增加模型複雜度。
5. One-hot Encoding還可以搭配其他特徵工程方法使用，例如特徵組合、特徵選擇。

知識測驗

1. 將一個包含10個類別的變數進行One-hot Encoding後，會產生多少個新變數？

答案：10個類別產生10個新變數。

2. 將一個包含100個類別的變數進行One-hot Encoding後，如何避免過度增加數據維度？

答案：可以使用PCA等降維方法。

3. 將一個文字變數進行One-hot Encoding後，結果中有多個類別只出現了一次，是否應該將其刪除？

答案：可以考慮刪除，因為過少的類別可能對建立模型沒有幫助。

4. 將一個內容較為複雜的變數進行One-hot Encoding後，應如何避免過度增加數據維度？

答案：可以使用特徵選擇方法，選擇最具有代表性的變數進行One-hot Encoding，或使用其他的特徵轉換方法。

5. 將一個內容不明確的變數進行One-hot Encoding，是否有可能導致結果無意義？

答案：有可能。如果將一個變數中的類別數量過多，而且類別之間沒有明顯區分，那麼One-hot Encoding的結果可能會變得無意義。