假设您有一个包含特征变量和单个目标变量的巨大数据文件。现在，某些功能由字符串组成，例如“ b”，“ c”，“ t”，“ p”，“ g”等。由于框架无法处理，因此必须将其编码为数字。最简单的选择是使用LabelEncoder。这很好，但仅当字符串值彼此相关时才有效。在我的示例中，这些是“婴儿”，“儿童”，“青少年”，“父母”和“祖父母”的快捷方式。在这种情况下，您显然希望按顺序标记它们，例如baby = 0，child = 1，teenage = 2，依此类推。但是，如果它们彼此不相关，则学习模型可能会认为这是相互关联的，因此您必须使用其他方法。那就是OneHotEncoder加入业务的地方，以拆分分类功能。
但是，我的问题是：什么时候应该使用OHE？我问老师，他的回答是：“仅在使用LE时首先获取特征与目标变量之间的相关性。然后，尝试OHE并查看相关性是否得到改善。如果是，则使用OHE，否则，继续使用LE”。问题出现如下：使用OHE之后如何获得特征与目标变量之间的相关性？ OHE将1个要素分为X列，具体取决于该要素的不同选项的数量，我不确定如何从这些X列中获取一个相关数。
我的解释是否正确的原始问题：
对功能进行编码-有很多带有char值的分类功能。您需要为它们使用LabelEncoder和OneHotEncoder。另外，请查看是否需要对它们全部使用OneHotEncoder-例如，通过检查OneHot Encoding前后的LabelEncoded功能和目标变量之间的相关性。 （如果您的变量实际上表示某种增量的，层次结构的关系，则OneHot编码没有任何意义-我们的数据集对此并不了解。）