Sklearn 机器学习 分类列编码 预估目标列编码

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

Sklearn 机器学习：分类列编码与目标列编码实战指南

在机器学习建模中，分类变量（Categorical Features）和目标列（Target）往往以字符串形式存在，这在训练模型前必须进行编码处理。本文将详细讲解如何使用 Scikit-learn 中的编码工具对这两类变量进行编码，包括：

• 特征编码（OneHotEncoder, OrdinalEncoder）
• 目标列编码（LabelEncoder）
• 混合特征批量编码（ColumnTransformer）
• 编码后的逆变换操作
• 工具差异与使用场景建议

---

🎯 一、为什么需要编码？

机器学习模型（尤其是基于数值计算的模型如 SVM、线性回归、神经网络等）无法直接处理字符串类型的变量。如果不编码，模型根本无法理解 'red'、'blue'、'yes'、'no' 这些值的含义。

编码的目标：

• 将分类数据转换为模型可接受的数值；
• 避免引入顺序性误导；
• 与模型结构匹配，提升预测效果。

---

🧩 二、常见分类特征编码方式

2.1 使用 OrdinalEncoder 进行整数编码

from sklearn.preprocessing import OrdinalEncoder
import pandas as pd

df = pd.DataFrame({
   
   
    'color': ['red', 'blue', 'green', 'blue', 'red']
})

encoder = OrdinalEncoder()
encoded = encoder.fit_transform(df[['color']])
df['color_encoded'] = encoded
print(df)

输出示例：

color	color_encoded
red	2.0
blue	0.0
green	1.0
blue	0.0
red	2.0

📝 适用场景： 适合处理有顺序的分类特征（如“低、中、高”）；
🛑 注意： 如果用于无序变量（如颜色），可能引入错误的顺序性假设。

---

2.2 使用 OneHotEncoder 进行独热编码

from sklearn.preprocessing import OneHotEncoder

encoder = OneHotEncoder(sparse