label encoding和one hot encoding

• label encoding在某些情况下很有用，但是场景限制很多。比如有一列 [dog,cat,dog,mouse,cat]，我们把其转换为[1,2,1,3,2]。这里就产生了一个奇怪的现象：dog和mouse的平均值是cat。而且像decision tree，random forest和xgboost这种算法能处理好这种转换，而且相比转换前，所需要的内存空间小一点。

• one hot encoding的优点就是它的值只有0/1，不同的类型存储在垂直的空间。缺点就是，当类别的数量很多时，特征空间会变得非常大。

from sklearn.preprocessing import OneHotEncoder

enc = OneHotEncoder(handle_unknown='ignore')
enc.fit(expression2)
y=enc.transform(expression2)
#复原
index = np.argmax(y, axis=1)

• dummy encoding与one hot encoding类似，区别是维度少了一个。最后一个的编码为【0000000】

pd.get_dummies(his_traindata['his_overdue'], drop_first=True,prefix='his_overdue')

• 多标签 MultiLabelBinarizer

from sklearn.preprocessing import MultiLabelBinarizer
one_hot = MultiLabelBinarizer()
 # One-hot encode data
 columns= one_hot.classes_
 genre=np.array(one_hot.fit_transform(movie["genre"]))#movie["genre"]是二维列表