one hot encoding یعنی چی؟

روش کدبندی وان هات (One Hot Encoding) در برنامهنویسی و هوش مصنوعی، یک تکنیک است که برای تبدیل متغیرهای دستهای (Categorical Variables) به فرمتی استفاده میشود که مدلهای یادگیری ماشین بتوانند آنها را به درستی پردازش کنند. در این روش، هر دسته یا طبقه از متغیر دستهای به یک ستون جدید باینری (صفر و یک) تبدیل میشود .  به عنوان مثال، اگر متغیر دستهای ما سه دسته مختلف داشته باشد مانند سبز، زرد و قرمز، در روش وان هات، سه ستون جدید ایجاد میشود که هر کدام نمایانگر یکی از این دستهها هستند. برای هر نمونه داده، تنها یکی از این ستونها مقدار ۱ خواهد گرفت (نشاندهندهی دستهای که نمونه به آن تعلق دارد) و بقیه ستونها مقدار ۰ خواهند گرفت 

 این روش مزایایی دارد، مانند: •  اجتناب از ایجاد ترتیب یا اولویت نادرست بین دستهها که ممکن است در روشهای دیگر کدبندی ایجاد شود.  •  ارائهی یک فرمت واضح و قابل فهم برای مدلهای یادگیری ماشین.

  اما معایبی نیز دارد، مانند: •  افزایش تعداد ویژگیها و بعد دادهها، که میتواند منجر به پیچیدگی بیشتر مدل و زمان آموزش طولانیتر شود.  •  ایجاد دادههای پراکنده (Sparse Data) که ممکن است برای برخی مدلها مشکلساز باشد