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
飞睿科技17 分钟前
乐鑫代理商飞睿科技,2025年AI智能语音助手市场发展趋势与乐鑫芯片解决方案分析
人工智能
许泽宇的技术分享19 分钟前
从新闻到知识图谱:用大模型和知识工程“八步成诗”打造科技并购大脑
人工智能·科技·知识图谱
坤坤爱学习2.033 分钟前
求医十年,病因不明,ChatGPT:你看起来有基因突变
人工智能·ai·chatgpt·程序员·大模型·ai编程·大模型学
蹦蹦跳跳真可爱5891 小时前
Python----循环神经网络(Transformer ----注意力机制)
人工智能·深度学习·nlp·transformer·循环神经网络
空中湖3 小时前
tensorflow武林志第二卷第九章:玄功九转
人工智能·python·tensorflow
lishaoan773 小时前
使用tensorflow的线性回归的例子(七)
人工智能·tensorflow·线性回归
千宇宙航6 小时前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发
IT古董6 小时前
【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(4)模型评价与调整(Model Evaluation & Tuning)
神经网络·机器学习·回归
onceco7 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
jndingxin9 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉