OneHotEncoder

class sklearn.preprocessing.OneHotEncoder（
n_values ='auto'，
categorical_features ='all'，
dtype = <class'numpy.float64'>，
sparse = True，
handle_unknown ='error' ）

假如只有一个特征是离散值：

{sex：{male， female，other}}

该特征总共有3个不同的分类值，此时需要3个bit位表示该特征是什么值，对应bit位为1的位置对应原来的特征的值（一般情况下可以将原始的特征的取值进行排序，以便于后期使用），此时得到独热码为{100}男性 ，{010}女性，{001}其他

假如多个特征需要独热码编码，那么久按照上面的方法依次将每个特征的独热码拼接起来：

{sex：{male， female，other}}

{grade：{一年级， 二年级，三年级， 四年级}}

此时对于输入为{sex：male； grade： 四年级}进行独热编码，可以首先将sex按照上面的进行编码得到{100}，然后按照grade进行编码为{0001}，那么两者连接起来得到最后的独热码{1000001}；

参数：

n_values：'auto'，int或整数数组

每个功能的值数量。

• “自动”：从训练数据中确定数值范围。
• int ： 每个要素的分类值数量。 每个特征值都应该在range(n_values)
• 数组 ： n_values[i] 是中的分类值的数量 X[:,i]。每个特征值都应该在range(n_values[i])

categorical_features：“全部”或索引或掩码数组

指定哪些功能被视为分类。

• “全部”（默认）：所有功能都被视为分类。
• 索引数组：分类特征索引数组。
• mask：长度为n_features的数组，dtype = bool。

非分类特征总是堆叠在矩阵的右侧。

dtype：数字类型，默认= np.float

所需的dtype输出。

稀疏：布尔值，默认= True

如果设置True将返回稀疏矩阵否则将返回一个数组。

handle_unknown：str，'错误'或'忽略'

在变换过程中是否存在未知类别特征时是否提出错误或忽略。

属性

active_features_：数组

活动特征的指标，意味着实际发生在训练集中的值。只有当n_values是可用的'auto'。

feature_indices_：形状数组（n_features，）

指数功能范围。特征i在原始数据被映射到特征从feature_indices_[i]到feature_indices_[i+1]（然后潜在地由掩蔽active_features_事后）

n_values_：形状数组（n_features，）

每个功能的最大数量。

方法