关于LabelEncoding和MinMaxScaler的问题

Question

老师您好：
在视频（5-14课中），对字段"salary","department"进行LabelEncoding之后，为什么紧接着要对这两个字段进行一次MinMaxScaler的操作呢，视频源代码如下：

	scaler_lst=[slr,dp]
column_lst=["salary","department"]
for i in range(len(scaler_lst)):
	if not scaler_lst[i]:
		if column_lst[i]=="salary":
			df[column_lst[i]]=[map_salary(s) for s in df["salary"].values]
		else:
			df[column_lst[i]]=LabelEncoder().fit_transform(df[column_lst[i]])
		df[column_lst[i]]=MinMaxScaler().fit_transform(df[column_lst[i]].values.reshape(-1,1)).reshape(1,-1)[0]
	else:

Answer 1

途索 2019-12-24 18:40:44

同学你好，label encode是把离散分类变量数值化，min max是把数值化的结果归一化，前者是方便数值化计算，后者是把特征去掉量纲，方便不同属性间的比较。

• 提问者 迷途20191129 #1

  非常感谢！

• 慕粉1473427710 #2

  老师好，请问One Hot编码后的数值为什么不用归一化呢，不用考虑量纲的影响吗