One-hot编码和Multiple-hot编码

One-hot编码和Multiple-hot编码

引用

CSDN

1.

https://blog.csdn.net/m0_59704905/article/details/140992059

在推荐系统和机器学习中，我们通常会遇到两种类型的编码方式：One-hot 编码和 Multiple-hot 编码（有时也称为 Multi-hot 编码）。这两种编码方式用于将分类数据转换为数值表示，以便机器学习模型能够处理这些数据。

1、One-hot编码

One-hot 编码是一种将类别、ID 型特征转换成数值向量的典型编码方式。它通过将所有其他维度置为 0，单独将当前类别或者 ID 对应的维度置为 1 的方式生成特征向量。例如，如果一个特征有三个类别（A、B、C），那么使用 One-hot 编码后，每个类别将被表示为一个三维向量：

• A 类别：[1, 0, 0]
• B 类别：[0, 1, 0]
• C 类别：[0, 0, 1]

可以使用Spark等工具将id等类别型特征转化成One-hot编码。

2 Multiple-hot编码

Multiple-hot编码特征将多个属性同时编码到一个特征中。在推荐场景中，单个用户对哪些物品感兴趣的特征就是一种Multiple-hot编码特征。Multiple-hot编码采用类似oneHot编码的形式进行编码，根据物品种类数目，展成物品种类数目大小的向量，当某个用户感兴趣时，对应维度为1，反之为0。

例如，假设一个推荐系统中有5种物品（Item1-Item5），如果一个用户对Item1和Item3感兴趣，那么该用户的兴趣特征可以表示为：

[1, 0, 1, 0, 0]

从上面的例子可以看出，Multiple-hot编码与One-hot编码的主要区别在于：One-hot编码通常用于表示单个类别的信息，而Multiple-hot编码可以同时表示多个类别的信息。这种编码方式在处理多标签分类问题或推荐系统中用户兴趣表示时非常有用。