独热编码（OneHot
Encoding）和标签编码（Label
Encoding）都是数据预处理中的特征编码技术，用于将类别特征转换为数值特征，以便在数据分析或机器学习模型中使用。
独热编码：
独热编码是一种将类别特征转换为数值特征的方法，其中每个类别映射到一个唯一的二进制向量。这个向量的长度等于类别的总数，且只有一个位是1，其余位都是0。例如，在文本分类中，如果有三个类别A、B、C，那么它们的独热编码分别可以表示为[1,
0,
0]、[0,
1,
0]、[0,
0,
1]。独热编码可以用于任何类型的分类数据，特别是当类别之间没有天然的顺序关系时，如星期几的编码（周一、周二、周三等）。
标签编码：
标签编码是另一种简单的特征编码方法，它将每个类别映射到一个整数值。这些整数值通常是连续的，但也可以是任意的。例如，如果有三个类别A、B、C，它们的标签编码可以是1、2、3或者0、1、2等等。标签编码简单且易于理解和解释，但它可能会引入一个虚假的类别间顺序关系，特别是在使用基于距离的算法时，如K近邻（KNN）。如果没有实际意义的类别顺序，通常建议使用独热编码。
应用场景：
独热编码特别适用于具有大量类别的场景，因为它可以高效地表示类别数据，避免了使用整数编码时可能出现的问题，例如，误认为类别之间存在某种顺序或连续性。另一方面，标签编码在类别数目不是很大时是一个不错的选择，因为它更节省存储空间，对于不需要严格区分类别间的自然顺序的任务来说很方便。
在实际应用中，选择哪种编码方式取决于数据的特点以及所使用的算法。有些情况下，还可以结合两种编码方法，根据具体情况灵活选择。
