我在使用sklearn进行文本分类，所有特征都是数值型的，但我的目标变量标签是文本形式。我能理解将特征编码为数值的理由，但我不认为这适用于目标变量？

回答：

如果你的目标变量是文本形式，你可以将其转换为数值形式（或者你可以保持原样，请看我下面的注释），这样任何Scikit-learn算法在OVA（一对多）方案中都能识别它：你的学习算法将尝试对每个类进行猜测，仅当它们被转换为从0到（类别数量 – 1）的数值代码时，才会与剩余的类别进行比较。

例如，在Scikit-Learn文档中的这个示例中，你可以判断出你的鸢尾花的类别，因为有三个模型在评估每个可能的类别：

• 类别0与类别1和2对比
• 类别1与类别0和2对比
• 类别2与类别0和1对比

当然，类别0、1和2分别是Setosa、Versicolor和Virginica，但算法需要它们以数值代码的形式表达，你可以通过探索示例代码的结果来验证这一点：

list(iris.target_names)['setosa', 'versicolor', 'virginica']np.unique(Y)array([0, 1, 2])

注意：Scikit-learn确实会自动对目标标签进行编码，如果它们是字符串。在Scikit-learn的Github页面上关于逻辑回归的部分（https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/logistic.py），你可以在第1623行和1624行看到代码调用标签编码器并自动编码标签的地方：

# 对字符串标签进行编码label_encoder = LabelEncoder().fit(y)y = label_encoder.transform(y)