LabelEncoder 和 LabelBinarizer 之间的区别

Question

from sklearn.preprocessing import LabelBinarizer

与

from sklearn.preprocessing import LabelEncoder

LabelEncoder和LabelBinarizer有什么区别，什么时候使用哪一个？

提前谢谢。

Answer 1

labelEncoder不会

为X中的每个类别创建虚拟变量，而LabelBinarizer会这样做。下面是文档中的示例。

from sklearn.preprocessing import LabelBinarizer,LabelEncoder
data1 = [1, 2, 2, 6]
lb = LabelBinarizer()
le = LabelEncoder()
print('LabelBinarizer output n',lb.fit_transform(data1))
#LabelBinarizer output 
 [[1 0 0]
 [0 1 0]
 [0 1 0]
 [0 0 1]]
print('LabelEncoder output n',le.fit_transform(data1))
#LabelEncoder output 
 [0 1 1 2]

因此，如果您只想将类别编码为 0、1、2、3 等，请使用 labelEncoder。如果你想为每个类别创建虚拟变量，那么去labeBinarizer。