---
created: 2025-08-03 21:19:11
tags:
  - "Research"
  - "基础"
  - "Transformer"
  - "One-Hot编码"
  - "编码方式"
---

### 产生原由
在机器学习的分类任务中, 我们总要有标签来标定这个对象属于是哪一种类别, 而世界上的物体不是天然具有类别划分的性质, 需要人们手动给他定义一个标签. 比如在二分类的任务中, 是A物体我们就在数据集中标上1, 不是就标上0, 然后扔到模型中去训练.

然后对于多类别的, 我们就需要有一个很长的向量来描述它是属于哪一个类别的. 由此引出了 **One-Hot编码**

### 实例感受
让我们用一个实例来感受一下:
**性别:\[“男”,” 女”]**
只有两个特征，所以 N 为 2，下面同理。
男 =>10
女 =>01
**班级:\[“1 班”,”2 班”,”3 班”]**
1 班 =>100
2 班 =>010
3 班 =>001
**年纪:\[“一年级”,” 二年级”,” 三年级”,” 四年级”]**
一年级 =>1000
二年级 =>0100
三年级 =>0010
四年级 =>0001
所以如果一个样本为 \[“男”,”2 班”,” 四年级”]的时候，完整的特征数字化的结果为：
\[1,0,0,1,0,0,0,0,1]
到这里我们就实现了对数据集样本的编码，就可以顺利进行后续的回归、聚类或者其他操作。

### 参考资料
[\[机器学习\]One-Hot编码总结(独热编码)\_one-hot编码提出论文-CSDN博客](https://blog.csdn.net/lipengfei0427/article/details/109393039)