One-Hotエンコーディング（One-Hot Encoding）

概要

• 意味：カテゴリ（ラベル）を「0/1」のベクトルに変換する方法
• 目的：文字やカテゴリを学習可能な数値特徴にする（順序を持たない名義尺度に適切）

基本の考え方

• モデルは文字を直接扱えないため、各カテゴリごとに1列を用意
• 当該カテゴリ=1、その他=0 とする
• 複数選択式（チェックボックス型）は、選ばれた複数列が1になる＝Multi-Hot として表現

例

カテゴリ	One-Hot表現
犬	[1, 0, 0]
猫	[0, 1, 0]
鳥	[0, 0, 1]

→ 単一選択：該当列のみ1。複数選択：該当する列が複数1（Multi-Hot）。

特徴

• 順序のないカテゴリ（色・性別・地域名など）に適する
• 各カテゴリを独立に扱う（距離・類似度の意味は持たない）
• 線形モデル・ツリー系・NNで広く利用可能

デメリット

• カテゴリが多いと高次元で疎になりやすい
• 未知カテゴリ（学習時に存在しなかった値）に弱い
• 係数推定で完全多重共線性（ダミートラップ）が起きうる

対応策

• 高基数なら Hashing / Target Encoding / Embedding を検討
• 線形モデルでは1列落とす（drop_first）か正則化で共線性対策
• 未知値・欠損は 〈Other〉/〈Missing〉 などの専用カテゴリ列を用意
• 複数選択の設問は各選択肢を列にしてMulti-Hot（アンケート問題の想定）

試験での理解ポイント

• G検定：名義尺度の数値化、次元爆発とその回避策
• AWS MLS：SageMaker前処理でのワンホット/Multi-Hot、drop_first・未知カテゴリの扱い
• 覚え方：One＝1個だけ1、複数選択はMulti-Hotで複数が1

まとめ

One-Hotは「該当だけ1」の名義カテゴリ変換。複数選択はMulti-Hotで列を並べて1を立てる。