一个热编码功能

Question

我需要创建一个接受两个整数 x 和 N 的函数，其中 N > x 和 returns 是维度为 N 的向量除了组件 x 之外的所有零，其中它有一个 1.

我设法通过以下方式做到了，

Function=function(x,N){
  vec=rep(0,N)
  r=as.integer(x)
  vec[r]=1
  return(vec)
}

但是当我需要迭代过程并将其应用于大量实现时，它的速度非常慢。另一方面，我的一个朋友能够用 python（我认为 "OneHotEncoder"）的单个函数来做同样的事情，而且速度非常快。

我想知道 R 中是否有适合此目的的函数。

Answer 1

尝试

one_hot_encoder <- function(x, N) {
  vec <- integer(N)
  vec[x] <- 1L
  return(vec)
}

Answer 2

按照@Axeman 所说的思路，您应该考虑是否可以以矢量化方式找到单热编码，即类似的东西

set.seed(1234)
x = sample.int(5, size=10, replace=TRUE)
x
#  [1] 1 4 4 4 5 4 1 2 4 3

nC = max(x) #could be also larger (user-defined)
nR = length(x)
matrix(`[<-`(integer(nR * nC),(seq.int(nR) - 1) * nC + x, 1),
       nR, nC, byrow=TRUE)
#       [,1] [,2] [,3] [,4] [,5]
#  [1,]    1    0    0    0    0
#  [2,]    0    0    0    1    0
#  [3,]    0    0    0    1    0
#  [4,]    0    0    0    1    0
#  [5,]    0    0    0    0    1
#  [6,]    0    0    0    1    0
#  [7,]    1    0    0    0    0
#  [8,]    0    1    0    0    0
#  [9,]    0    0    0    1    0
# [10,]    0    0    1    0    0

将 model.matrix 方法与上面给出的方法进行比较：

#longer input vector
x = sample.int(5, size=1e4, replace=TRUE)

oneHotMtx = function(x) {
  nC = max(x) #could be also larger (user-defined)
  nR = length(x)
  matrix(`[<-`(integer(nR * nC),(seq.int(nR) - 1) * nC + x, 1),
         nR, nC, byrow=TRUE)
}

oneHotMdl = function(x) {
  xf = factor(x)
  model.matrix(~xf+0)
}

oneHotMdl2=function(x) {
  #version without factor conversion
  model.matrix(~x+0)
}

xf = factor(x)
library(microbenchmark)
microbenchmark(oneHotMtx(x),
               oneHotMdl(x),
               oneHotMdl2(xf), times=1e3)

#Unit: microseconds
#          expr      min       lq      mean    median       uq        max neval cld
#  oneHotMtx(x)  386.621  412.510  678.2977  416.4625  435.382   5394.265  1000 a  
#  oneHotMdl(x) 7363.481 7528.230 8823.8435 7629.8850 7851.019 261808.302  1000   c
#oneHotMdl2(xf) 4253.366 4377.784 5059.0979 4471.5315 4638.637 257106.400  1000  b

Answer 3

@cryo111 回答的更详细的变体：

one_hot_vec <- function(x) {
    nc <- max(x)
    nr <- length(x)
    m <- integer(nr * nc)
    i <- (seq_len(nr) - 1) * nc + x
    m[i] <- 1L
    matrix(m, nrow = nr, ncol = nc, byrow = TRUE)
}

一个热编码功能

one hot encoding function

r

one-hot-encoding