LabelEncoder 和 LabelBinarizer 的区别？ [复制]

Question

from sklearn.preprocessing import LabelBinarizer

对

from sklearn.preprocessing import LabelEncoder

LabelEncoder 和LabelBinarizer 之间有什么区别，什么时候使用？

提前致谢。

Answer 1

labelEncoder 不会为您的X 中的每个类别创建虚拟变量，而LabelBinarizer 会这样做。这是文档中的一个示例。

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。如果要为每个类别创建虚拟变量，请使用 labeBinarizer。