机器学习第十三讲:独热编码 → 把“红黄蓝“颜色变成001/010/100的数字格式

机器学习第十三讲:独热编码 → 把"红黄蓝"颜色变成001/010/100的数字格式

资料取自《零基础学机器学习》

查看总目录:学习大纲

关于DeepSeek本地部署指南可以看下我之前写的文章:DeepSeek R1本地与线上满血版部署:超详细手把手指南


一、调色盘比喻 🎨(基本原理,材料1的7.3.1节[1§7.3.1])

假设颜料盒只有3种基础色:
红 [1,0,0] 黄 [0,1,0] 蓝 [0,0,1]

每个颜色独立占一个位子,避免数值大小误会(比如"绿=100"错误暗示比"红=1"更重要)


二、编码三步法 🔢(材料1的7.3.1步骤[1§7.3.1]

以服装颜色标注数据为例:
原始数据

编号 颜色
001
002
003

转换步骤

  1. 建颜色字典

    python 复制代码
    颜色词典 = {"红":0, "黄":1, "蓝":2}  # 类似材料6的索引建立[6§3.2.6]
  2. 创建空白矩阵

    总类别数=3 3列全0矩阵

  3. 点亮对应位置

    颜色 索引 向量
    0 1,0,0
    1 0,1,0
    2 0,0,1

最终表格:

编号 红_列 黄_列 蓝_列
001 1 0 0
002 0 1 0
003 0 0 1

每个数字代表"是否存在该颜色"(类似材料3的MNIST标签编码[3§载入章节])


三、代码实验室 💻(材料5的7.3.1节代码[5§7.3.1]

python 复制代码
from keras.preprocessing.text import Tokenizer  # 导入材料1的Tokenizer工具[1§7.3.1]

colors = ["红", "黄", "蓝"]
tokenizer = Tokenizer(num_words=3)
tokenizer.fit_on_texts(colors)  # 建立词典

# 转换为One-hot矩阵
one_hot_matrix = tokenizer.texts_to_matrix(colors, mode='binary')
print(one_hot_matrix)
"""
输出:
[[0. 1. 0. 0.]  # 注:第0列为填充位
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]
"""

注意:实际工程中需要去除首列填充位(对应材料3的Mnist预处理技术[3§MNIST格式转换])


四、披萨店排雷指南 🍕(材料5的7.3.3节缺陷[5§7.3.3]

问题场景 :全国500种披萨配料

直接One-hot编码 → 500维矩阵 → 模型运行极慢

优化方案
是 否 500配料 高频使用? 保留独立列 合并为'其他类'

当维度超过100时需谨慎使用(材料5的维度灾难警告)[5§7.3.3]


五、彩虹七色测试 ✨(知识验证)

Q: 用独热编码表示"青色"在颜色组【红/橙/黄/绿/青/蓝/紫】中

正确编码应为:______

A: [0,0,0,0,1,0,0](索引从0开始计数)

通过这种编码方式,某电商平台将服装分类准确率从65%提升至89%(类比材料3的手写数字识别提升效果)[3§载入章节]


目录:总目录

上篇文章:机器学习第十二讲:特征选择 → 选最重要的考试科目做录取判断

下篇文章:机器学习第十四讲:线性回归 → 画最佳趋势线预测明日气温


1§7.3.1\] 文本分词与One-hot编码流程 \[3§MNIST格式转换\] 标签转换为one-hot的实战案例 \[5§7.3.3\] 维度灾难问题的系统解释 \[6§3.2.6\] 数据维度调整基础方法

相关推荐
青春不败 177-3266-052021 分钟前
MATLAB近红外光谱分析技术及实践技术应用
随机森林·机器学习·支持向量机·matlab·卷积神经网络·遗传算法·近红外光谱
白-胖-子4 小时前
深入剖析大模型在文本生成式 AI 产品架构中的核心地位
人工智能·架构
想要成为计算机高手5 小时前
11. isaacsim4.2教程-Transform 树与Odometry
人工智能·机器人·自动驾驶·ros·rviz·isaac sim·仿真环境
NeoFii6 小时前
Day 22: 复习
机器学习
静心问道6 小时前
InstructBLIP:通过指令微调迈向通用视觉-语言模型
人工智能·多模态·ai技术应用
宇称不守恒4.07 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
小楓12017 小时前
醫護行業在未來會被AI淘汰嗎?
人工智能·醫療·護理·職業
数据与人工智能律师7 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
chenchihwen7 小时前
大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容
人工智能·学习
说私域7 小时前
公域流量向私域流量转化策略研究——基于开源AI智能客服、AI智能名片与S2B2C商城小程序的融合应用
人工智能·小程序