搜尋意圖： 如果你在找「獨熱編碼 是什麼」或「獨熱編碼 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 獨熱編碼是一種將類別資料轉換為二元向量的方法，為每個類別建立獨立欄位，存在時標記為 1，其餘為 0
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
你有沒有把顏色、地區這種類別資料丟進模型後，才發現數字大小被誤會？
你可以把 獨熱編碼 想成 把類別變成模型看得懂的表示。
避免模型把類別大小誤當成順序，沒有順序的類別，就給它們各自一個開關 這件事就特別重要。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
獨熱編碼 vs 標籤編碼
標籤編碼像給類別編號（紅=0, 綠=1, 藍=2），獨熱編碼像給每個類別一個獨立的二元開關，獨熱編碼避免了模型誤認為數字大小有意義的問題，更適合沒有順序關係的類別。
最關鍵的區別：一個展開成多欄，一個只用單欄編號。
獨熱編碼 vs 標籤編碼
獨熱編碼把每個類別拆成獨立開關，標籤編碼只是給一個編號
最關鍵的區別：有沒有把類別順序偷偷塞進去。
記住這句就好
沒有順序的類別，就給它們各自一個開關
實際案例
案例 1：把水果類別展開成蘋果、香蕉、橘子三個欄位
這種情況下，獨熱編碼 會幫你把原本手工或靠直覺的步驟變得更穩。
案例 2：把城市名稱轉成獨立欄位，讓模型不把台北當成比台中更大
另一個常見場景也能看出 獨熱編碼 的價值，因為它處理的是同一種核心問題。
算法與應用
核心意思就是：沒有順序的類別，就給它們各自一個開關。
類別少時很直觀，類別很多時向量會變得又寬又稀疏
遇到高基數類別時，常會改看 embedding 或其他編碼方式
怎麼做，以及維度會變多少
獨熱編碼把一個類別欄位展開成多個 0 與 1 的欄位，每一列只有一個位置是 1。
原始資料一欄「顏色」，有三種值：
| 原始值 | 顏色_紅 | 顏色_綠 | 顏色_藍 |
|---|---|---|---|
| 紅 | 1 | 0 | 0 |
| 綠 | 0 | 1 | 0 |
| 藍 | 0 | 0 | 1 |
一欄變三欄。規則很簡單：
新增欄位數 = 該欄位的相異值個數。這條規則就是它最大的限制。郵遞區號有幾千個值、商品編號有幾十萬個值，直接做獨熱編碼會產生一個極度稀疏的高維矩陣，記憶體吃不消，模型也學不動。
什麼時候該用，什麼時候不該用
該用：類別數少，而且類別之間沒有大小順序。 顏色、性別、國家、支付方式都是典型例子。這時獨熱編碼是正確做法，因為它不會憑空製造出「紅 < 綠 < 藍」這種不存在的順序關係。
不該用，改用標籤編碼（label encoding）：類別本身有順序。 例如「小、中、大」「國小、國中、高中、大學」，直接編成 1、2、3、4 反而保留了有意義的資訊。
不該用，改用嵌入（embedding）：類別數很多。 使用者 ID、商品 ID、詞彙表都屬於這一類。嵌入把每個類別對到一個低維稠密向量，維度可控，而且相似的類別會學到相近的向量，這是獨熱編碼做不到的（獨熱向量之間的距離永遠相同）。
一個容易踩的坑：虛擬變數陷阱（dummy variable trap）。 三種顏色其實只需要兩欄就能表達，因為兩欄都是 0 就代表第三種。全部展開會讓欄位之間完全共線，線性回歸會解不出唯一解。所以做線性模型時通常會丟掉一欄（
drop_first），但樹模型與神經網路不受影響，不用丟。
情境判斷
Q1（直覺題）： 把水果類別展開成蘋果、香蕉、橘子三個欄位 這種情況，會先想到 獨熱編碼 嗎？
→ 會，因為它正好在處理這件事的核心問題，只是還要看資料乾不乾淨、流程穩不穩。
Q2（判斷題）： 類別數很多時，還適合直接用嗎？
→ 看情況，類別一多維度會爆，常改用 embedding 或其他壓縮表示
常見問題
獨熱編碼後的向量長度是多少？
獨熱編碼後的向量長度等於類別型特徵中不同類別的總數。 例如，如果一個特徵有 5 個不同的類別，那麼經過獨熱編碼後，每個類別都會被轉換成一個長度為 5 的向量。
獨熱編碼會增加模型的複雜度嗎？
是的，獨熱編碼會增加模型的複雜度，特別是在類別數量非常多的情況下。 維度增加會導致計算量增加，並可能導致過擬合。 因此，在使用獨熱編碼時，需要權衡其優缺點。
除了獨熱編碼，還有哪些處理類別型資料的方法？
除了獨熱編碼，還有標籤編碼、順序編碼、詞嵌入和目標編碼等方法。 選擇哪種方法取決於具體的應用場景和資料特性。 例如，詞嵌入通常用於自然語言處理，而目標編碼通常用於推薦系統。