2019/12 -7637 28,556

One-Hot Encoding

在分類中，若有下列資料

import pandas as pd
df1 = pd.DataFrame([['male', '178'],['female', '162']], columns=['gender','height (cm)'])

	gender	height (cm)
0	male	178
1	female	162

因身高有連續性，標示在空間裡沒問題；若性別改成male:0，female:1，則導致不同性別對原點的距離不同。相同的若顏色在分類上也會出現一樣的問題。

解決方式利用One-Hot Encoding來編碼。

pd.get_dummies(df1['gender'])　　＃在pandas中用get_dummies這個函式

	female	male
0	0	1
1	1	0

female編碼成[0,1]，male編碼成[1,0]；不要把它想成二進位，它們都沒有量，只是標示而已。

練習合併

onehotEncode = pd.get_dummies(df1['gender'], prefix='gender')  #先產生一個df放編碼後的表格

onehotEncode

	gender_female	gender_male
0	0	1
1	1	0

再把原來的gender那欄先刪掉

df2 = df1.drop('gender',1)

df2

	height (cm)
0	178
1	162

再和One-Hot Encoding過的onehotEncode合併

df2 = pd.concat([onehotEncode,df2],axis=1)

df2

	gender_female	gender_male	height (cm)
0	0	1	178
1	1	0	162

大工告成，可喜可賀

參考自

特徵縮放

1. Normalization

2.Standardization

=(X-X.mean)/X.std

from