1、什么是one_hot?
one-hot编码：是将类别变量转换为机器学习算法中容易处理的一种形式！
看个例子便于理解：
| index | fruit |
| 1 | apple |
| 2 | banana |
| 3 | strawberry |
| 4 | watermelon |
一、one_hot的形式无法比较
如上表所示；如果我们预测的标签是：fruit 列的四个水果，直接看的话，我们人类是很容易区分它们之间的关系；但是对于计算机很难直接区分！但是如果用 index：1，2，3，4 来做 label 的话，就会出现比较关系，因为每个label之间的距离是不同的。这样计算机就可以用数字当作 fruit 的 label。例如你做一个风控模型，预测的是四个风险类别[低，中，高，紧急]，其实你也可以用1，2，3，4来做label，因为确实存在一个比较。但这本质上就成了回归问题。
二、one_hot可以计算top N准确率
同样还是用上面的例子来说：针对四个 label :[apple,banana,strawberry,watermelon] 预测的结果为：[0.1,0.6,0.2,0.1]
这样的话一般取概率最高的那个预测结果；即：banana 如果真实的 label 也是 banana 的话，那么这个结果就是 top 1准确率，但是如果真实 label 是 strawberry，并且 strawberry 的概率排第二，那么这个结果就是 top 2 准确率。现在许多分类问题中都用到 top N 准确率对模型进行评估。
你购物时经常会看到物品下方有N个推荐搭配，如果推荐模型的top N准确率越高，那么这个购物推荐的最后转化效果就越好。