最近在使用mlxtend，里面有个
it transforms the input dataset (a Python list of lists) into a one-hot encoded NumPy boolean array:
一开始没理解这个one-hot是啥，看了下文知道，就是True-False形式的数据，那种0、1 的格式。
one-hot code 又称为1位有效编码
这个一般在机器学习中提到的比较多，在数据预处理的过程中使用较多，一般特征值使用0、1来表示会方便很多，而且效率高。
像性别，一般有男、女，转为one-hot，就是[10,01]，如果再加上个未知，那就是[100,010,001]
感觉这里需要注意的就是将所有的特征值转换为0,1，有几个特征值，就转换为几位编码。
这里也不介绍啥复杂高深的机器学习概念了，我也还没掌握呢，记录下这么个方法，以后会用到的。在pandas中好像也有方法可以转换，等我学习下，再过来分享。
补充
