onehotとラベルエンコーディングの違いは

2024年6月8日

One-Hot Encoding と Label Encoding は、カテゴリカル変数を数値形式に変換するための異なる手法です。

1. Label Encoding:

   • Label Encoding は、カテゴリカル変数の各カテゴリに整数を割り当てます。
   • 例えば、「赤」、「青」、「緑」という3つのカテゴリを持つ変数がある場合、「赤」を0、「青」を1、「緑」を2のように割り当てます。
   • Label Encoding は、順序が重要なカテゴリ変数に適していますが、順序が重要でない場合には使われません。
   • Label Encoding は、カテゴリ変数の値を単一の連続的な尺度として扱います。

2. One-Hot Encoding:

   • One-Hot Encoding は、カテゴリカル変数の各カテゴリを新しいバイナリ列に変換します。
   • 各カテゴリに対して新しい列が作成され、そのカテゴリが存在する場合には1が割り当てられ、それ以外の場合には0が割り当てられます。
   • 例えば、「赤」、「青」、「緑」という3つのカテゴリを持つ変数がある場合、「赤」の場合は [1, 0, 0]、「青」の場合は [0, 1, 0]、「緑」の場合は [0, 0, 1] となります。
   • One-Hot Encoding は、カテゴリ変数の順序が重要でない場合に一般的に使用されます。
   • カテゴリの数が増えると、エンコーディングされた特徴量の次元数が増え、計算量が増加するという欠点がありますが、多くの機械学習モデルで効果的です。

一般的には、One-Hot Encoding の方が Label Encoding よりも一般的に使用されますが、データの特性や使用するモデルによって適切なエンコーディング手法が異なります。