比如
sex:[“male”, “female”]
country: [‘china’,’USA’,’Japan’]
正常數字量化後：
“male”, “female”用0,1表示;
‘china’,’USA’,’Japan’用0,1,2表示。
現在有3個樣本：
[‘male’，‘USA’],
[‘male’，‘Japan’],
[‘female’,’China’]
處理後：
[0,1]
[0,2]
[1,0]
上述數據也不能直接用在我們的分類器中。因爲，分類器往往默認數據數據是連續有序的。但是，按照我們上述的表示，數字並不是有序的，而是隨機分配的。
爲了解決上述問題，可以採用獨熱編碼（One-Hot Encoding）。獨熱編碼即 One-Hot 編碼，又稱一位有效編碼，其方法是使用N位狀態寄存器來對N個狀態進行編碼，每個狀態都由他獨立的寄存器位，並且在任意時候，其中只有一位有效。
sex有兩個取值，那麼可以這麼考慮：當取male時爲01，取female時爲10
country有三個取值，當取china時爲001，取USA時爲010，爲Japan時爲100。
這些特徵互斥，每次只有一個激活。因此，數據會變成稀疏的。
這樣做的好處主要有：
解決了分類器不好處理屬性數據的問題
在一定程度上也起到了擴充特徵的作用
sklearn中有具體的處理方法：
import pandas as pd
data=
var_to_encode= [‘sex’,’country’]
data = pd.get_dummies(data, columns=var_to_encode)
