在将scikit-learn的分类器用于多类问题时，是否需要使用一种热编码对标签进行编码？例如，我有3个类别，并且在将这些数据输入不同的分类器进行训练时，将它们简单地标记为0，1和2。据我所知，它似乎工作正常。但是，有什么理由不建议使用这种基本编码吗？
一些算法，例如随机森林，本机处理分类值。对于逻辑回归，多层感知器，高斯朴素贝叶斯和随机森林之类的方法，如果我没有记错的话，这些方法似乎可以本地处理分类值。该评估正确吗？哪个scikit-learn分类器不是本地处理这些输入的，而是受常规性影响的？
答案 0 :(得分：1)
所有scikit估计器都会自动处理多类问题。
内部将它们转换为适当的格式，如果该算法支持本机多类问题，则将其简单编码为0,1,2等，如果该算法通过transforming to binary处理多类问题，则将它们转换为单热编码。
请参阅the documentation来查看此内容：
所有scikit-learn分类器都可以进行多类分类，...
您可以看到“逻辑回归，多层感知器，高斯朴素贝叶斯和随机森林”位于标题"Inherently multiclass"下。
诸如SGD或LinearSVC之类的其他对象使用one-vs-rest方法来处理多类，但是正如我上面所说的那样，它将由scikit内部处理，因此您作为用户不需要做任何事情就可以通过所有分类估计量的y的单个数组中包含多个多类标签（甚至是字符串）。
用户唯一需要将标签显式转换为单热编码的方法是多标签问题，在该问题中，一个样本可以预测多个标签。但我认为您的问题与那无关。