One-Hot-Encoding wandelt kategoriale Merkmale in binäre Zahlenvektoren um, damit Maschinenlern-Modelle sie verarbeiten können. Jede Ausprägung bekommt eine eigene Spalte mit 0 oder 1 — genau eine Spalte ist „heiß“ (engl. hot), also 1.
Wie es funktioniert
Angenommen, ein Merkmal „Farbe“ hat drei Ausprägungen: Rot, Grün, Blau. Statt einer Spalte mit Text entstehen drei Spalten:
- Rot → (1, 0, 0)
- Grün → (0, 1, 0)
- Blau → (0, 0, 1)
Das ist ein zentraler Schritt des Feature Engineering, also der Aufbereitung der Trainingsdaten.
Warum nicht einfach Zahlen 1, 2, 3?
Weil Zahlen eine Ordnung suggerieren. Rot=1, Grün=2, Blau=3 würde dem Modell eine Reihenfolge andeuten, die es nicht gibt — Blau wäre „größer“ als Rot. One-Hot-Encoding vermeidet diese falsche Annahme und behandelt alle Ausprägungen gleichwertig. Für geordnete Merkmale (z.B. klein/mittel/groß) kann Label-Encoding dagegen sinnvoll sein.
Grenzen
- Bei sehr vielen Kategorien wächst die Dimension stark (dünnbesetzte, sparse Vektoren).
- Für tiefe Deep-Learning-Netze mit neuronalen Netzen sind oft Embeddings besser geeignet.
- Es funktioniert nur, wenn die Kategorien vollständig bekannt und stabil sind.
One-Hot-Encoding ist Standard bei überwachtem Lernen, etwa der Klassifikation, und gehört zu den Grundlagen des Maschinellen Lernens und der Künstlichen Intelligenz.