使用都热编码的分类特征

之前的例子我们每个特征只有两个选项，耳朵是立的，塌的，脸型圆的，非圆的等等

每个特征只有两个选项

那如果是两个选型的离散呢？我们将讨论如何用都热编码来处理这一类问题

这个样本除了耳朵其他的三个都和之前的数据集一样，现在耳朵有三个耳型，立耳，耷拉着耳朵，还有椭圆耳朵，比之前的数据多一个一个椭圆的耳朵，这样的话我们可能会创建三个决策树的分支，但是我们现在还是不想这样，尝试用一种其他的办法 独热编码

类似那种逆透视

更详细的说，如果一个分裂特征可以去K个可能得值，在我们的例子中K=3,我们可以用K个二元特征替换他，这些特征值只能取0,1

对于原本有两个指标的我们可以做一个映射，1圆脸0非圆脸，这样，这样的，我吗你就把全部的指标进行了量化，一行就可以看做是一个样本，同样我们也可以把他输入到神经网络的分类器中进行分类，

总结，我们可以通过杜热编码处理多个离散值，还可以将这个用于神经网络，或者逻辑回归或者线性回归，对于可以去任意值，而不是离散值的的数字特征呢？下个视频看如何取任意值的连续数值。