一个热编码一个 2 分类变量
One Hot Encoding a 2 categorical variable
对于两个类别的变量，是否需要进行One Hot Encoded？在我的数据集中，我有一个 1 或 0 的二进制变量。我是否需要在管道中为我的模型转换该变量，还是保持原样？
variable = np.array([0,0,0,1,0,1,0]).reshape(-1,1)
ohc = OneHotEncoder()
ohc.fit(variable)
如果你的变量已经是二进制的（只有两个 类：0 和 1），你可以说这个变量已经是 One Hot Encoded，所以你不需要 OneHotEncoder再次使用 Sklearn 函数。
此外，一般来说，如果二进制变量是分类变量，则必须使用 LabelEncoder 将其转换为数值。无论如何，在你的例子中，你的变量已经是数字了。
对于两个类别的变量，是否需要进行One Hot Encoded？在我的数据集中，我有一个 1 或 0 的二进制变量。我是否需要在管道中为我的模型转换该变量，还是保持原样？
variable = np.array([0,0,0,1,0,1,0]).reshape(-1,1)
ohc = OneHotEncoder()
ohc.fit(variable)
如果你的变量已经是二进制的（只有两个 类：0 和 1），你可以说这个变量已经是 One Hot Encoded，所以你不需要 OneHotEncoder再次使用 Sklearn 函数。
此外，一般来说，如果二进制变量是分类变量，则必须使用 LabelEncoder 将其转换为数值。无论如何，在你的例子中，你的变量已经是数字了。