1、什麼是one_hot?
one-hot編碼：是將類別變量轉換爲機器學習算法中容易處理的一種形式！
看個例子便於理解：
| index | fruit |
| 1 | apple |
| 2 | banana |
| 3 | strawberry |
| 4 | watermelon |
一、one_hot的形式無法比較
如上表所示；如果我們預測的標籤是：fruit 列的四個水果，直接看的話，我們人類是很容易區分它們之間的關係；但是對於計算機很難直接區分！但是如果用 index：1，2，3，4 來做 label 的話，就會出現比較關係，因爲每個label之間的距離是不同的。這樣計算機就可以用數字當作 fruit 的 label。例如你做一個風控模型，預測的是四個風險類別[低，中，高，緊急]，其實你也可以用1，2，3，4來做label，因爲確實存在一個比較。但這本質上就成了迴歸問題。
二、one_hot可以計算top N準確率
同樣還是用上面的例子來說：針對四個 label :[apple,banana,strawberry,watermelon] 預測的結果爲：[0.1,0.6,0.2,0.1]
這樣的話一般取概率最高的那個預測結果；即：banana 如果真實的 label 也是 banana 的話，那麼這個結果就是 top 1準確率，但是如果真實 label 是 strawberry，並且 strawberry 的概率排第二，那麼這個結果就是 top 2 準確率。現在許多分類問題中都用到 top N 準確率對模型進行評估。
你購物時經常會看到物品下方有N個推薦搭配，如果推薦模型的top N準確率越高，那麼這個購物推薦的最後轉化效果就越好。