標籤編碼 是什麼？
Label Encoding — 標籤編碼 的完整解釋
標籤編碼是將類別型資料轉換為整數，以便機器學習模型處理，但需注意可能產生不必要的順序關係
容易混淆
One-Hot Encoding Label Encoding 是一欄變一個數字，One-Hot 是一個類別變一欄。
Ordinal Encoding Ordinal Encoding 真的保留順序，Label Encoding 不一定有順序意義。
記住這句就好
把類別變整數，但別亂把數字當大小。
實際案例
樹模型前處理 決策樹有時能接受編碼後的整數，但要確認模型不會把數字大小誤解成順序。
目標標籤轉換 把 cat、dog、bird 變成 0、1、2，方便分類模型讀取。
算法與應用
Label Encoding 適合目標變數或樹模型，但對線性模型和距離型模型要小心，因為數字大小可能被誤讀成排序。若類別之間沒有順序，One-Hot 常更安全。
情境判斷
Q1（直覺題）： 如果你現在遇到一個 樹模型前處理 的場景，這個概念會是第一個想到的工具嗎？ → 看情況，但如果任務目標和這個概念的用途一致，就很可能是。核心還是先確認你要解決的是分類、分群、壓縮、檢索，還是最佳化。
Q2（判斷題）： 如果你把它和 Ordinal Encoding 一起用，結果反而變不穩，通常該怎麼想？ → 看情況。先檢查資料分布、特徵定義和模型假設是否相容，很多時候不是概念本身有問題，而是使用條件不對，像距離尺度沒對齊、標註規則不一致，或輸入格式不合。
相關術語
常見問題
標籤編碼 最容易跟 One-Hot Encoding 混淆嗎？
Label Encoding 是一欄變一個數字，One-Hot 是一個類別變一欄。
什麼情況會用到 標籤編碼？
你可以把它想成替每個類別發一個號碼，但號碼本身不代表大小或順序。 實務上只要你要處理和這個概念相符的任務，就會用到它。
初學者最常錯在哪裡？
Ordinal Encoding 真的保留順序，Label Encoding 不一定有順序意義。