将对象数据类型转换为数字数据类型有两种方法，第一种是 One-Hot 编码，第二种是将数字标签简单地映射到不同的值。
例如，对于包含三个不同值“child”、“adult”和“old”的 Age 列，该列的 One-Hot 编码为：
| 年龄 | Age_child | 年龄_成人 | 年龄 |
|---|---|---|---|
| 孩子 | 1 | 0 | 0 |
| 成人 | 0 | 1 | 0 |
| 老的 | 0 | 0 | 1 |
而数字标签到不同值的简单映射可能是
| 年龄 | _年龄 |
|---|---|
| 孩子 | 1 |
| 成人 | 2 |
| 老的 | 3 |
我所理解的 One-Hot 编码可以将列数增加很多倍。例如，考虑 10 列，每列平均有 3 个不同的值，那么生成的日期集将有 30 列。然而，简单的数字映射不会改变数据集的大小（列），只是将数字标签分配给每个不同的值。
那么问题来了，One-Hot 编码是否会增加复杂和大型数据集的维数和稀疏性？在这两种方法中，更适合机器或深度学习分析的方法是什么？两者有什么优缺点吗？
使用哪种编码技术取决于您的数据/功能。当您的特征有秩序感时，使用序数编码。例如，您有一个特征性能，它的值是最差的，坏的 好。在这里你应该使用序数编码器，这将导致最差= 0、坏= 1 和好= 2。我们使用序数编码是因为好比坏好，比坏好。所以在这里我们有一种秩序感，良好的优先级更高。然后模型将学习这种秩序感。
OHE 用于不存在顺序感并且我们只想将分类类型转换为数值类型的情况。例如，我们有一个名为color的特征，其值为red、blue和green。如果我们使用序数编码，它将分配红色= 0、蓝色= 1 和绿色= 2，这意味着绿色比蓝色和红色重要得多。但这没有任何意义！
因此，在第二种情况下，明智的做法是使用 OHE。
谈到利弊，是的，OHE 增加了数据集的维度，而序数编码不会。但是当特征中没有排序时，OHE 很有用。
所以是的，这取决于功能类型。我建议您在必要时同时使用两者。例如，您有一些没有秩序感的特征和存在秩序的其他特征。使用这两种技术，以保持对特征类型的真实性，同时降低维度！！
您是对的-根据定义，一种热编码会增加您的尺寸，并且（很可能）还会增加稀疏性。
您的数字映射可能会产生误导，因为例如随机森林会解释adult>child在年龄的情况下是有意义的。但是说映射是{1:"dog",2:"cat",3:"horse"}而不是它的年龄是2>1没有意义的。
何时使用取决于您尝试解决的任务以及您要使用的算法