AITerms 登入
資料處理特徵工程機器學習

標籤編碼(Label Encoding)是什麼?

標籤編碼是將類別型資料轉換為整數,以便機器學習模型處理,但需注意可能產生不必要的順序關係

同主題的術語資料處理機器學習

完整定義

標籤編碼是一種將類別型資料轉換為數值型資料的技術,用於機器學習模型訓練。它將每個類別分配一個唯一的整數值,使得模型可以處理這些類別變數。然而,標籤編碼可能會引入類別之間的順序關係,因此在某些情況下可能需要使用其他編碼方法,例如獨熱編碼。

白話說明

把顏色、地區、品牌這些類別轉成數字時,為什麼有時候會出事?

你可以把它想成替每個類別發一個號碼,但號碼本身不代表大小或順序。

標籤編碼是將類別型資料轉換為整數,以便機器學習模型處理,但需注意可能產生不必要的順序關係

記住這句

把類別變整數,但別亂把數字當大小。

比喻:標籤編碼就像給班級裡的名字編學號 -- 小明是 1 號,小華是 2 號,小美是 3 號,這樣電腦就更容易處理這些名字,但這些數字本身並沒有大小或順序的意義。

容易混淆

One-Hot Encoding

Label Encoding 是一欄變一個數字,One-Hot 是一個類別變一欄。

Ordinal Encoding

Ordinal Encoding 真的保留順序,Label Encoding 不一定有順序意義。

實際案例

樹模型前處理

決策樹有時能接受編碼後的整數,但要確認模型不會把數字大小誤解成順序。

目標標籤轉換

把 cat、dog、bird 變成 0、1、2,方便分類模型讀取。

演算法與應用

Label Encoding 適合目標變數或樹模型,但對線性模型和距離型模型要小心,因為數字大小可能被誤讀成排序。若類別之間沒有順序,One-Hot 常更安全。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 5 題把標籤編碼列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本