https://www.imooc.com/article/35900
參考上面大神的原文，說的非常透徹。非常便於理解。感謝 感謝
自己做個小筆記，便於自己學習
特征值是離散的，無序的。
如：
-
性別特征：["男"，"女"]
-
祖國特征：["中國"，"美國，"法國"]
-
運動特征：["足球"，"籃球"，"羽毛球"，"乒乓球"]
假如某個樣本（某個人），他的特征是這樣的["男","中國","乒乓球"]，我們完全可以用 [0,0,4] 來表示。
但是這樣的特征處理並不能直接放入機器學習算法中。因為類別之間是無序的（運動數據就是任意排序的）。不理解沒關系。
怎么轉化成獨熱碼呢？
用獨熱碼來表示就是
男 => 10
女 => 01
祖國特征：["中國"，"美國，"法國"]（這里N=3）：
中國 => 100
美國 => 010
法國 => 001
運動特征：["足球"，"籃球"，"羽毛球"，"乒乓球"]（這里N=4）：
足球 => 1000
籃球 => 0100
羽毛球 => 0010
乒乓球 => 0001
所以，當一個樣本為["男","中國","乒乓球"]的時候，完整的特征數字化的結果為：
[1，0，1，0，0，0，0，0，1]
下圖可能會更好理解：
這樣做的優勢 是什么呢？
對於祖國特征：["中國"，"美國，"法國"]
重點 重點 重點！
如果按照 中國 0 ，美國 1，法國2 普通編碼的話
那么 中國和法國之間的距離是2，中國和美國的距離是1，美國和法國的距離是1，但是實際上，這種距離是因為我們編碼的順序導致的。中國和法國並不是真的 距離是2 。
而在機器學習中需要計算兩者之間的距離（歐氏距離）。這種普通的編碼方式並不能表示清楚距離。
而如果用獨熱碼來編碼
中國 1 0 0
美國 0 1 0
法國 0 0 1
相當於我搭建了一個三維的空間
那么 任意兩國的距離都是 sqrt（2），距離都是相等的！ 這才是關鍵 關鍵！
相當於 中國在 x+點處，美國 在y+點處，法國在 z+點處。那么三者之間的距離是不是相等呢？
關於機器學習
在one hot representation編碼的每個單詞都是一個維度，彼此獨立。
這里我們可以看到One hot方式處理的數據
1、會產生大量冗余的稀疏矩陣
2、維度（單詞）間的關系，沒有得到體現
要是one hot encoding的類別數目不太多，建議優先考慮
最后再次感謝 NateHuang