scikit-learn 中 OneHotEncoder 解析

OneHotEncoder(
    n_values=’auto’, 
    categorical_features=’all’,  
    dtype=<class ‘numpy.float64’>,  
    sparse=True,  
    handle_unknown=’error’
)

# -*- coding: utf-8 -*-

from sklearn.preprocessing import  OneHotEncoder

enc = OneHotEncoder()
enc.fit([[0, 0, 3],
         [1, 1, 0],
         [0, 2, 1],
         [1, 0, 2]])

ans = enc.transform([[0, 1, 3]]).toarray()  # 如果不加 toarray() 的话，输出的是稀疏的存储格式，即索引加值的形式，也可以通过参数指定 sparse = Fa