python - labelEncoder在sklearn中的工作

Question

假设我有以下输入功能:

hotel_id = [1, 2, 3, 2, 3]

这是一个带有数值的分类特征。如果我将其按原样提供给模型，模型会将其视为连续变量，即 2 > 1。

如果我应用sklearn.labelEncoder()，那么我将得到:

hotel_id = [0, 1, 2, 1, 2] 

那么这个编码特征被认为是连续的还是分类的？ 如果将其视为连续，那么 labelEncoder() 有什么用。

附注我知道一种热门编码。但大约有 100 个 hotel_ids，所以不想使用它。 谢谢

Answer 1

LabelEncoder 是一种对类级别进行编码的方法。除了您包含的整数示例之外，请考虑以下示例:

>>> from sklearn.preprocessing import LabelEncoder
>>> le = LabelEncoder()
>>>
>>> train = ["paris", "paris", "tokyo", "amsterdam"]
>>> test = ["tokyo", "tokyo", "paris"]
>>> le.fit(train).transform(test)
array([2, 2, 1]...)

那么，LabelEncoder 允许我们为分类数据分配序数级别。 但是，您所注意到的是正确的:即 [2, 2, 1] 被视为数字数据。这是使用 OneHotEncoder 作为虚拟变量的一个很好的候选者(我知道你说过你不希望使用它)。

请注意，LabelEncoder 必须在 one-hot 编码之前使用，因为 OneHotEncoder 无法处理分类数据。因此，它经常被用作 one-hot 编码的前体。

或者，它可以将您的目标编码到可用的数组中。例如，如果 train 是您的分类目标，您将需要一个 LabelEncoder 将其用作 y 变量。