背景
接觸tensorflow時，學習到mnist，發現處理數據的時候采取one-hot編碼，想起以前搞FPGA狀態機遇到過格雷碼與獨熱碼。
解析：
將離散型特征使用one-hot編碼，確實會讓特征之間的距離計算更加合理。
比如，有一個離散型特征，代表工作類型，該離散型特征，共有三個取值。
不使用one-hot編碼，其表示分別是x_1 = (1), x_2 = (2), x_3 = (3)。兩個工作之間的距離是，(x_1, x_2) = 1, d(x_2, x_3) = 1, d(x_1, x_3) = 2。
那么x_1和x_3工作之間就越不相似嗎？顯然這樣的表示，計算出來的特征的距離是不合理。
如果使用one-hot編碼，則得到x_1 = (1, 0, 0), x_2 = (0, 1, 0), x_3 = (0, 0, 1)，那么兩個工作之間的距離就都是sqrt(2)：即每兩個工作之間的距離是一樣的，顯得更合理。