独热编码和标签编码的优缺点

1.适用于算法计算：独热编码使得特征之间的距离计算更加合理，这是因为独热编码将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。

2.扩充特征属性：独热编码为处理离散型特征提供了方法，在一定程度上扩充了特征属性。

1.维度问题：当特征的类别很多时，特征空间会变得非常大，这种情况下，一般可以用PCA来减少维度。

2.数据稀疏性：独热编码会导致数据变得稀疏，这可能会对某些算法的效率产生影响。

1.简单易用：标签编码简单易用，可以直接将类别转换为数值，方便算法计算。

1.丢失顺序信息：如果原本的标签编码是有序的，就不必独热编码了，因为会丢失顺序信息。

2.可能导致偏序关系：如果不对数值大小进行特殊处理，模型可能会错误地认为数字大比数字小更重要，这在实际问题中可能是不成立的。