我使用sklearn文本分类，我的所有的功能都是数字，但是我的目标变量标签文本。 我能理解其背后的编码功能NUMERICS的理由，但不认为这适用于目标变量？
Answer 1:
如果你的目标变量是文本形式，可以将其转化为数字形式（或者你可以不理会它，请参阅我下面的注释），以便任何Scikit学习算法来接它的OVA（一比所有）方案：你的学习算法将尝试猜测每个类作为对剩余的人相比，只有当他们将被改造成数字代码，从0开始（班数 - 1）。
例如，在这个例子从Scikit-学习文档，你可以计算出班级的虹膜，因为有三个模型评估每个可能的类：
- 类0与1级和2
- 类1类与0和2
- 类2与等级0和1
当然，类0，1和2是Setosa，云芝和锦葵，但算法需要它们表示为数字代码，因为你可以通过探索的示例代码的验证结果：
list(iris.target_names)
['setosa', 'versicolor', 'virginica']
np.unique(Y)
array([0, 1, 2])
注：本身Scikit学习编码目标的标签，如果他们是字符串这是真的。 在Scikit学习的Github的页面逻辑回归（ https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/logistic.py ），你可以在行1623和1624代码调用哪里看标签编码器，它会自动编码标签：
# Encode for string labels label_encoder = LabelEncoder().fit(y) y = label_encoder.transform(y)
文章来源: Is numerical encoding necessary for the target variable in classification?
