تطبيق One-Hot Encoding باستخدام مكتبة Sklearn

يمكننا القيام بذلك باستخدام الكلاس OneHotEncoder الموجود في الموديول preprocessing.
المثال التالي يوضح لك كل العملية:
حيث أن التابع fit_transform نمرر له الداتا وهو يقوم بعملية ال fitting (الترميز هنا) ثم transform (تطبيق الترميز على البيانات-التحويل-).
طبعاً يتم تمثيل كل كلمة بشعاع طوله بعدد المفردات الفريدة التي وجدها

import numpy as np
from sklearn.preprocessing import OneHotEncoder
# تعريف بيانات
data = np.asarray([['first'], ['second'], ['third'],['second']])
print(data)
'''
[['first']
 ['second']
 ['third']
 ['second']]
'''
# OneHotEncoder تعريف كائن من الكلاس 
enc = OneHotEncoder(sparse=False)
#One-Hot-Encoding   تحويل الداتا إلى ترميز 
OneHotEncoding  = enc.fit_transform(data)
print(OneHotEncoding)
'''
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]
 [0. 1. 0.]]

'''