将类标签的分类向量编码为表示标签的一个热点向量。

创建一个标签列向量，其中向量的每一行表示一个单独的观察。将标签转换为分类数组。

标签= [“红色”；“蓝色”；“红色”；“绿色”；“黄色”；“蓝色”];=分类标签(标签);

查看类别的顺序。

类别(标签)

ans =4 x1细胞{'蓝'}{'绿'}{'红'}{'黄'}

将标签编码为一个热点向量。在第二个维度中将标签展开为向量，以对类进行编码。

= onehotencode标签(标签,2)

标签=6×40 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0

每一个观察标签现在是一个行矢量1在与类标签类别对应的位置0在所有其他位置。该函数将标签按照与类别相同的顺序进行编码1在适当的位置1表示列表中的第一个类别，在这种情况下，“蓝＇.

一次性编码分类值表。

创建一个分类数据标签表。表中的每一行都包含一个观察结果。

颜色= [“蓝色”；“红色”；“蓝色”；“绿色”；“黄色”；“红色”];颜色=分类(颜色);Color = table (Color);

对类标签表进行一次性编码。

颜色= onehotencode(颜色)

颜色=6×4表蓝绿红黄____ _____ ___ ______ 1 0 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0

表中的每一列代表一个类。函数用1在相应类的列中，和0其他地方。

如果数据中的所有类都相关，则仅使用类的子集对数据标签进行编码。

创建数据标签的行向量，其中向量的每一列表示单个观察

宠物= [“狗”“鱼”“猫”“狗”“猫”“鸟”];

定义要编码的类列表。这些类是观察中出现的类的子集。

animalClasses = [“鸟”；“猫”；“狗”];

一次性将观察结果编码到第一个维度。指定要编码的类。

encPets = onehotencode(宠物,1,“类名”animalClasses)

encPets =3×60 NaN 0 0 0 1 0 NaN 1 0 0 1 NaN 1 0 0 0

如果一个类没有出现在要编码的类列表中，则将其编码为南值。

使用onehotencode对类标签矩阵进行编码，如图像的语义分割。

定义一个简单的15 × 15像素的类标签分割矩阵。

一个=“蓝色”；B =“绿色”；C =“黑色”；15 = repmat (8);B = repmat (B 7 5);C = repmat (C、7、5);seg = [A;B; C];

将分段矩阵转换为分类数组。

赛格=分类(凹陷);

一次性将分割矩阵编码为类型数组单．将编码的标签展开到第三维。

encSeg = onehotencode(赛格3“单身”）;

检查编码段的大小。

大小(encSeg)

ans =1×315 15 3.

分段矩阵中的三种可能的类别的类别被编码为第三维中的矢量。

如果数据是包含多种类型的类变量的表，则可以分别对每个变量进行编码。

创建一个表，其中包含对几种类别数据的观察。

颜色= [“蓝色”；“红色”；“蓝色”；“绿色”；“黄色”；“红色”];颜色=分类(颜色);宠物= [“狗”；“鱼”；“猫”；“狗”；“猫”；“鸟”];宠物=分类(宠物);位置= [“美国”；“可以”；“可以”；“美国”；“来自”；“美国”];位置=分类(位置);data =表(颜色、宠物、位置)

data =6×3表颜色宠物位置______ ____ ________蓝狗美国红鱼CAN蓝猫CAN绿狗美国黄猫AUS红鸟美国

使用一个为循环对每个表变量进行一次热编码，并将其附加到包含编码数据的新表中。

encData =表();为i=1:宽度(数据)encData = [encData onehotencode(数据(:，i))];结束encData

encData =6×11表蓝色绿色红色黄色小鸟猫狗鱼来自美国  ____ _____ ___ ______ ____ ___ ___ ____ ___ ___ ___ 1 1 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 1 0 0 0 0 1 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 1

每一行的encData为每个观察结果编码三个不同的类别。