LabelEncoder 和 OneHotEncoder 辨析

在特征工程工程中处理离散数据时候，需要将原来的数据转化成数字格式才能传入 模型，这时候需要用到两个编码函数

1 labelEncoder

LabelEncoder 可以理解为一个打标签的机器
首先 通过 fit 列表 a 来得到所有标签的种类， a 中可以有重复的数据，这个种类也就是 a 中所有不同数据的 集合，可以通过 le.classes_ 来查看，并且会给定顺序，每个数据有对应的序号，在对其他数据列表进行标记时候，返回 每个数据对应的序号，通过 inverse_transform 还可以实现反向编码

2、OneHotEncoder
这个就比较厉害 了 ，我们用一个例子来说明
有如下三个特征属性：
性别：[“male”，“female”]
地区：[“Europe”，“US”，“Asia”]
浏览器：[“Firefox”，“Chrome”，“Safari”，“Internet Explorer”]
对于某一个样本，如[“male”，“US”，“Internet Explorer”]，我们需要将这个分类值的特征数字化，最直接的方法，我们可以采用序列化的方式：[0,1,3]。但是这样的特征处理并不能直接放入机器学习算法中。

对于上述的问题，性别的属性是二维的，所以编码是两位 对应male 和 female 分别是 [1,0] , [0,1]
地区为三位 分别是 [1,0,0] , [0,1,0] , [0,0,1]
浏览器为 [1,0,0,0] ,[0,1,0,0] , [0,0,1,0] , [0,0,0,1]

那么样本对应就是 [ 1,0 , 0,1,0 , 0,0,0,1]
这样导致的一个结果就是数据会变得非常的稀疏

下面我们用代码实现

解释一下 第一位数字有两个 1 或者 3 所以编码后是二维的
第二位数字有 三个 2,4,5 所以是三维的
第三位数字有两个 3,6 所以是二维的