ワンホットベクトル

ワンホットベクトルとは、カテゴリ変数（分類を表す数値や項目）を機械学習モデルが計算可能な数値データへと変換するための表現方法です。該当するカテゴリの要素だけを1にし、それ以外の要素をすべて0にするベクトルとして表現します。

例えば「赤、青、黄」という3つのカテゴリがある場合、赤は（1, 0, 0）、青は（0, 1, 0）、黄は（0, 0, 1）というベクトルで表します。これにより、カテゴリ間に順序関係が存在しない場合でも、それらを公平に数値データとして扱えるようになります。

G検定では、カテゴリデータの扱いにおいて非常に基本的な前処理技術として扱われます。カテゴリ数が多い場合にはベクトルが非常に長くなり、ほとんどが0である「スパース（疎）な状態」になるという特徴がある点も、理解しておくべき重要なポイントです。