one-hot encoding 的解释
1. What is categorical data？
这里说什么，什么是分类的数据。简单来说，其实要input的数据，一般要训练的模型有很多个instances，每个instance可能有很多个features。对于每个features可能有很多个属性值。下面就是几个例子：
l A “pet” variable with the values: “dog” and “cat“.
l A “color” variable with the values: “red“, “green” and “blue“.
l A “place” variable with the values: “first”, “second” and “third“.
2. What is the problem with categorical data?
分类数据有多种形式，比如数字，文字或者图片。
有些算法可以直接处理这些数据，但是有些算法只能处理数字。
因此就需要把文字或者图片的像素转化成数字，进行使用。
同时对于输出结果是数字的，还需要将输出结果的数字和对应的类进行对应，才能输出正常的结果。
这也是为什么需要对categorical data进行处理的原因
3. How to convert data to numerical？
一般想把input的数据处理成数字的时候，有两种方法：integer encoding / one-hot encoding
3.1 Integer encoding
该方法其实就是将分类的数据和某一个int进行对应。
比如：我们假设 “red” is 1, “green” is 2, and “blue” is 3。当然这是在训练的时候自行进行定义的。
如果输入的input全部都是文字，那么在使用只能计算和训练数字的算法时，都需要基于这些对于关系。
可以很清楚的看到，这些数字的连续的，这种编码方式会构成一种顺序的关系。
当这种关系不适合的时候，就需要one-hot encoding
3.2 One-hot encoding
one-hot 编码方式也是需要将每个data（文字）和数字进行对应，但是这里选择只用0/1来表示。
比如，该列colour一共有3个属性值：red/green/blue。
那么我们就设定，每个属性值都用一个长度为3的向量（数组）来表示。如果属性值有4个，那么就向量（数组）长度就是4.
比如，定义red=[1,0,0].
A “1” value is placed in the binary variable for the color and “0” values for the other colors.
|
Red
|
Green
|
Blue
|
|
1
|
0
|
0
|
|
0
|
1
|
0
|
|
0
|
0
|
1
|