One-Hot 向量：定义、应用及示例

One-Hot 向量是指仅有一个元素为1，其余元素均为0的向量。在机器学习和自然语言处理中，One-Hot 向量通常用于表示分类变量或离散变量的取值，例如将一个单词表示成一个 One-Hot 向量，其中向量的长度等于词汇表大小，该单词在词汇表中所在位置的元素为1，其余元素为0。

例如，假设词汇表为 ['猫', '狗', '鸟']，则单词 '狗' 的 One-Hot 向量表示为 [0, 1, 0]。

One-Hot 向量的优点在于：

• 可以有效地表示分类变量或离散变量的取值。
• 易于理解和实现。
• 适用于线性模型和神经网络。

One-Hot 向量的缺点在于：

• 维度很高，可能会导致维度灾难。
• 难以处理稀疏数据。

总而言之，One-Hot 向量是一种常用的编码方式，适用于表示分类变量或离散变量，尤其是在机器学习和自然语言处理领域。