LabelEncoder 和 OneHotEncoder 是什么

- 在數據處理過程中，我們有時需要對不連續的數字或者文本進行數字化處理。
- 在使用 Python 進行數據處理時，用 encoder 來轉化 dummy variable（虛擬數據）非常簡便，encoder 可以將數據集中的文本轉化成0或1的數值。
- LabelEncoder 和 OneHotEncoder 是 scikit-learn 包中的兩個功能，可以實現上述的轉化過程。
- sklearn.preprocessing.LabelEncoder
- sklearn.preprocessing.OneHotEncoder?

數據集中的類別數據

在使用回歸模型和機器學習模型時，所有的考察數據都是數值更容易得到好的結果。
因為回歸和機器學習都是基于數學函數方法的，所以當我們要分析的數據集中出現了類別數據(categorical data)，此時的數據是不理想的，因為我們不能用數學的方法處理它們。

例如，在處理男和女兩個性別數據時，我們用0和1將其代替，再進行分析。

由于這種情況的出現，我們需要可以將文字數字化的現成方法。

LabelEncoder 和 OneHotEncoder 的區別

具體代碼

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.cross_validation import train_test_split
# 讀取數據
data_df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/'
                 'breast-cancer-wisconsin/wdbc.data', header=None)
# 前面的數據是特征，最后一列是標簽label
x, y = data_df.values[:, :-1], data_df.values[:, -1]
# 先實例化一個對象
encoder_x = LabelEncoder() 
# 對標簽進行類別數據數字化
y = encoder_x.fit_transform( y )