[問題] One-Hot Encoding能否合併使用

[karco (karco)]

問題類別:數據預處理

使用工具: python pytorch scikit-learn

問題內容:  各位大大好，最近在研究對於資料處理的部分，
在面對無序特徵(nominal feature時)，
我們通常習慣使用one-hot encoding的技巧來處理我們的數據。
將一個特徵(例如顏色)拆成n個特徵(紅，橙，黃...)，
再藉由二元的0跟1來表示。
那想請教的是，如果做處理類似的特徵時，
可以將one-hot encoding所產生的稀疏矩陣合併使用嗎？
或是換句話說，可以對一個屬於多類別的list進行one-hot encoding

以下舉個簡單的例子 先以常見的顏色問題舉例，假設我們在描述衣服的顏色特徵，
我們會將以下特徵：
顏色
紅
黃
藍

轉換成

顏色紅 顏色黃 顏色藍
[1          0      0]
[0          1      0]
[0          0      1]

那我想請教的是，如果今天衣服有多個顏色呢？

例如：

顏色

紅藍相間
紅黃相間
黃藍相間

我的腦海中主要出現三種方法 想請教大大們是否可行或是有哪些優缺?

方法1: 區分成顏色1 顏色2 這樣使用one-hot encoding就會變成

顏色1紅 顏色1黃 顏色1藍 顏色2紅 顏色2黃 顏色2藍
[1            0       0       0       0       1]
      .
      .
      .

思考：這種方法應該是可行，只是如果遇到顏色很多時，
可能會產生參數過大的問題，且產生的矩陣會太稀疏。

方法2:
既然都是在描寫顏色特徵，能否直接在同一個one-hot encoding的矩陣中描述。
顏色紅 顏色黃 顏色藍
[1          0      1]
        .
        .
        .
思考：這樣可以避免掉方法1可能產生的問題，
只是不知道能不能將one-hot encoding這樣子使用？
我目前的想法是覺得應該可行，因為1跟0是代表是與否而已(?
想請問這樣的數據處理是否會產生問題？

方法3:
基本上混合了方法1與方法2，
在同一個one-hot encoding中表示，
但是是形成一個多維的矩陣來表示

顏色紅 顏色黃 顏色藍
[1 0 0
 0 0 1]

思考：如上所示，用一個二維矩陣來表示衣服的全部顏色，
一列表示了一個顏色，這是我在網路上看到有人嘗試過的方法，
但比較疑惑的是，如果衣服的顏色很多，會使列數增加，
是否又會導致問題一的問題，加上其他的特徵如果都是一維的(例如衣服的價錢，尺碼)
這樣是否會導致輸入參數的維度不一致？

以上是我目前能想到的三個方法
不知道各位大大有什麼想法
目前傾向於使用方法2
因為我想要研究的題目
資料數量會很龐大 怕使用方法1與3會使得資料過於龐大
不知道方法2是否可行呢？
或是各位大大有沒有什麼其他的處理方法呢？

在此先感謝資料科學版的各位大大
祝大家新年快樂

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.10.106.40
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1549459747.A.BB5.html
※ 編輯: karco (118.233.179.85), 02/06/2019 23:16:28
推 p122607: 我個人覺得第二個方法好，就把各自當作獨立特徵，不過那
→ p122607: 就要預先列出在你的研究中所有可能會出現顏色類別。如果
→ p122607: 你的資料顏色很重要，那是不是會使用到很多漸層色來標記
→ p122607: ，那原始的資料也要夠多才行
推 yiefaung: 通常就法二 multilabel
感謝兩位大大回覆
關於p大的留言 目前想實作的應用是原子的id
想藉由one-hot encoding來表示原子間的鄰居關係
所以應該可以避免掉類似漸層色的問題
當然還是一邊搜集更多原始資料中

另外針對y大的回覆，所以特徵也適用multilabel的方法囉?
一開始以為只能應用在label的處理上 感謝解答
※ 編輯: karco (118.233.179.85), 02/07/2019 23:45:04
→ celestialgod: 想成什麼顏色有出現的話，法二就很直覺
→ celestialgod: 法三看認成不同件衣服