如何在Flux.jl中配置并使用One-Hot Encoding（独热编码）

依赖导入 #

Flux内置了完整的One-Hot编码工具，无需额外安装第三方包，直接导入即可使用：

using Flux

核心编码操作 #

你存储的符号类型数据可以直接传入Flux的编码函数，不需要提前转成数值类型，示例如下：
假设你的分类型样本为：
labels = [:cat, :dog, :bird, :cat, :bird, :dog]
所有去重后的类别集合为：
classes = unique(labels)

稀疏格式编码（推荐） #

Flux默认输出的OneHotArray是稀疏存储结构，占用内存低，可直接传入模型参与运算，无需额外转换：

# 单个符号样本转One-Hot向量
single_onehot = Flux.onehot(:dog, classes)
# 批量符号数组转One-Hot矩阵
batch_onehot = Flux.onehotbatch(labels, classes)

密集格式编码 #

如果需要使用标准Julia数组格式的0-1矩阵，对编码结果调用Array转换即可：

dense_onehot = Array(batch_onehot)

配套反向转换操作 #

模型推理输出概率结果后，可以用Flux.onecold直接转回原始符号类型的分类结果：

# 示例：3分类模型输出的概率向量
model_output = [0.1, 0.8, 0.1]
predicted_label = Flux.onecold(model_output, classes)
# 输出结果为:dog

注意事项 #

• 训练和推理阶段使用的classes集合顺序必须完全一致，否则会出现标签匹配错误
• 若存在缺失值，可将缺失值单独设置为一个特殊符号类别（如:missing）后再做编码

内容的提问来源于stack exchange，提问作者logankilpatrick