在處理資料時，有些資料需要需要做轉換，如在做分類時直接將每個類別都直接丟下去做訓練，這樣比較難訓練外還有可能訓練結果不好，所以將類別或是文字的資料標記成數字，而在做訓練時程式能更好的運算。
Label encoding：只要新增一個類別，類別的那一欄位就增加一個類別。
One hot encoding : 為每個類別新增一個欄位，用0和1來表示是否存在。
兩者更有利弊，在第一種，若在Categorical的那一欄，有順序大小之分，當我們對其進行Label encoding後，在訓練時模型可能會誤認為數字越大的代表'大於'小數字，但其實這數字只代表他們是不同種類，那這種資料使用無序的離散值One hot encoding會比較合適。
在每一種資料使用前都要去了解資料背後代表的意義是甚麼，要如何使用這些資料在訓練上最為合適。
iThome鐵人賽
看影片追技術