一种热编码和特征散列都是特征工程的两种形式，其中数据科学家试图将分类信息（血型、国家、产品 ID、单词）表示为输入向量。

我们可以将阿富汗表示为 [1,0,0,0]，白俄罗斯表示为 [0,1,0,0]，加拿大表示为 [0,0,1,0]，丹麦表示为 [0,0,0,1 ]。我们可以使这个向量足够大，以便为世界上每个国家提供一个位置。但是单词呢，有几千个，而且你的测试集中出现的一些单词可能不会出现在你的训练集中？散列函数将任意大小的数据映射到固定大小的数据。您可以使用 hash(string) mod n 返回一个介于 0 和 n - 1 之间的数字，然后这是您在输入向量中增加的索引。

来自https://www.quora.com/Can-you-explain-feature-hashing-in-an-easily-understandable-way的示例：

代表“快速棕色狐狸”：

h(the) mod 5 = 0

h（快速）模 5 = 1

h(棕色) mod 5 = 1

h(狐狸) mod 5 = 3

一旦我们有了这个，我们可以简单地将我们的向量构造为：

(1,2,0,1,0)

最后

另外，我们是否以稀疏格式表示散列特征？

对于足够大的向量，特征散列将产生稀疏向量（其中大部分值为零）。