张量流中的一种热编码是什么？

我目前正在使用tensorflow上的课程，他们使用tf.one_hot（indices，depth）。现在我不明白这些索引如何变成二进制序列。

有人可以向我解释确切的过程吗？？？

假设您的数据集中具有分类特征（例如颜色）。您的样本可以是红色，黄色或蓝色。为了将此参数传递给ML算法，您首先需要对其进行编码，以便使用数字代替字符串。

做这种事情的最简单方法是创建一个映射，其中：

红色-> 1
黄色-> 2
蓝色-> 3

并将每个字符串替换为其映射值。

但是，这可能会在我们的ML模型中产生不必要的副作用，因为在处理数字时，它可能会认为蓝色>黄色（因为3> 2）或红色+黄色=蓝色（因为1 + 2 = 3）。该模型无法知道这些数据是分类的，然后被映射为整数。

解决此问题的方法是一站式编码，我们在其中创建N个 新特征，其中N是原始特征中唯一值的数量。在我们的示例中，N等于3，因为我们有3种独特的颜色（红色，黄色和蓝色）。

以下是这些功能是二进制的，并会对应一个这些独特的价值观。在我们的示例中，第一个特征将是二进制特征，告诉我们该样本是否为红色，第二个特征对于黄色是相同的，而第三个特征对于蓝色是相同的。

下面说明了这种转换的示例：

请注意，由于此方法会增加数据集的维数，因此，如果我们有一个采用许多唯一值的功能，则可能要使用更稀疏的编码（如我上面介绍的那样）。

深度：定义一个热尺寸深度的标量。

指数：指数张量。

这个例子在tensorflow文档中给出。
1.仅指定索引和深度（on_value的默认值为1，off_value的默认值为0）

 indices = [0, 1, 2]
    depth = 3
    tf.one_hot(indices, depth)  # output: [3 x 3]
    # [[1., 0., 0.],
    #  [0., 1., 0.],
    #  [0., 0., 1.]]

2. 指定on_value和off_value

索引= [0，2，-1，1]
深度= 3
tf.one_hot（指标，深度，on_value = 5.0，off_value = 0.0，axis = -1）
##输出：[4 x 3]
    ＃[[5.0，0.0，0.0]，＃one_hot（0）
    ＃[0.0，0.0，5.0]，＃one_hot（2）
    ＃[0.0，0.0，0.0]，＃one_hot（-1）
    ＃[0.0，5.0，0.0]]＃one_hot（1）

您还可以在GitHub上查看代码