Scikit-learn中LabelBinarizer与OneHotEncoder的区别是什么？

嘿，这个问题问得特别精准——确实，这俩工具乍一看都是把类别转成0/1编码，但适用场景和细节上的差别其实挺大的，我给你拆解清楚：

1. 核心定位：处理对象完全不同 #

这是最本质的区别：

• LabelBinarizer是专门给**目标变量（y）**设计的，也就是分类任务里的标签列（比如你要预测的是"猫/狗/兔子"这类结果）。
• OneHotEncoder则是给**输入特征（X）**用的，用来处理数据里的类别型特征（比如用户性别、商品类别这类作为输入的列）。

举个直观的例子：
如果你的标签是y = ["猫", "狗", "猫"]，用LabelBinarizer；如果输入特征里有一列是X = [["红"], ["蓝"], ["红"]]，那用OneHotEncoder。

2. 输入维度要求不一样 #

• LabelBinarizer接受一维数组（毕竟标签通常就是一维的列）：

  from sklearn.preprocessing import LabelBinarizer
  y = ["cat", "dog", "cat"]
  lb = LabelBinarizer()
  lb.fit_transform(y)
  # 输出: array([[1, 0], [0, 1], [1, 0]])
  

• OneHotEncoder必须要二维数组（因为输入特征是矩阵形式，哪怕只有一列也要转成二维）：

  from sklearn.preprocessing import OneHotEncoder
  X = [["red"], ["blue"], ["red"]]
  ohe = OneHotEncoder(sparse_output=False)
  ohe.fit_transform(X)
  # 输出: array([[0., 1.], [1., 0.], [0., 1.]])
  

  要是你给OneHotEncoder传一维数组，它会直接报错，得用X.reshape(-1, 1)先转成二维才行。

3. 多标签/多分类的支持差异 #

• LabelBinarizer天生支持多标签分类场景：也就是一个样本可以属于多个类别，比如y = [["cat", "dog"], ["dog"], ["cat"]]，它能直接处理并生成对应的多标签编码。
• OneHotEncoder默认是处理单标签的类别特征，虽然也能适配多标签，但需要先把特征处理成特定格式（比如用MultiLabelBinarizer先转，或者手动拆分），远不如LabelBinarizer直接方便。

4. 逆转换的输出形式不同 #

两者都支持逆转换，但输出格式对应各自的输入：

• LabelBinarizer的inverse_transform会直接返回一维的原始标签数组：

  lb.inverse_transform(lb.fit_transform(y))
  # 输出: array(['cat', 'dog', 'cat'], dtype='<U3')
  

• OneHotEncoder的inverse_transform返回的是二维数组（和输入的特征矩阵格式一致）：

  ohe.inverse_transform(ohe.fit_transform(X))
  # 输出: array([['red'], ['blue'], ['red']], dtype=object)
  

5. 稀疏矩阵支持 #

• OneHotEncoder默认输出稀疏矩阵（sparse_output=True），这在处理超大数据集时能大幅节省内存，非常实用。
• LabelBinarizer则只支持密集数组输出，没有稀疏输出的选项。

总结一下：

• 处理标签y → 选LabelBinarizer
• 处理输入特征里的类别列X → 选OneHotEncoder

内容的提问来源于stack exchange，提问作者Roozbeh Bakhshi