One hot Encoding and Sparse Vector

one-hot vectorial Sparse Vector
Pytorch
Publish Date:   2022-06-03
Update Date:   2022-06-04
Read Count:  

one-hot vectorial representations

独热编码，即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。

例如对六个状态进行编码：

自然顺序码为 000,001,010,011,100,101

独热编码则是 000001,000010,000100,001000,010000,100000

Sparse Vector versus Dense Vector

Vector(1.0,0.0,1.0,3.0)

Dense Vector[1.0,0.0,1.0,3.0]

Sparse Vector(4,[0,2,3],[1.0,1.0,3.0])

第一个4表示向量的长度(元素个数)，[0,2,3]就是indices数组；[1.0,1.0,3.0]是values数组，表示向量0的位置的值是1.0，2的位置的值是1.0,而3的位置的值是3.0,其他的位置都是0。

稀疏向量在面对很多数据是零的情况下能节省很多的存储空间

Author: cipher
Link: https://dipperbill.github.io/2022/06/03/one-hot-encoding-and-sparse-vector/
Reprint policy: All articles in this blog are used except for special statements CC BY 4.0 reprint policy. If reproduced, please indicate source cipher !
one-hot vectorial Sparse Vector
  TOC