当有分类任务时，两者都在一对多的方案中。

LabelBinarizer它将每个变量转换为矩阵中的二进制，其中该变量表示为一列。换句话说，它将一个列表变成一个矩阵，其中目标矩阵中的列数与输入集中的唯一值一样多。如果您的输入标签看起来像[1, 4, 5]生成的矩阵，则它是一个 3 列矩阵，每个1, 4, 5都是一列。那么如果您的实例（观察）是 1、4、5 中的任何一个，则将指示（二进制）该实例是否对应于标签 1、4 或 5。

您用于LabelBinarizer构建常规分类器，例如训练逻辑回归并创建可以使用的响应变量

from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
lb.fit_transform(['yes', 'no', 'no', 'yes'])

输出是

array([[1],
       [0],
       [0],
       [1]])

或者如果您的特征列是 ['red', 'red', 'green', 'blue', 'blue']

array([[1, 0, 0],
       [1, 0, 0],
       [0, 1, 0],
       [0, 0, 1],
       [0, 0, 1]])

MultiLabelBinarizer- 做类似的事情，但是当你有多个标签时。你什么时候有多个标签？例如，当您进行 mu 多标签分类时。假设您正在构建一个分类器来预测 StackoverFlow 上问题的标签。您的数据如下所示

   qId              Tag
0   1                       c#
1   2                     python
2   2                 machine_learning
3   2                     pandas
4   2                      nlp

但是您必须将其转换为可以进行机器学习的格式（每次观察一行）

你会用

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

question_tags = pd.read_csv("question_tags.csv")
print(question_tags.head())
mlb = MultiLabelBinarizer()
print(mlb.fit_transform(question_tags))

我希望这可以消除实践中的差异

更新你的情况

您如何解析您的 15K 独特角色以获得这 3 个类别或组合？是像，资历，部门，角色？如果是这样，你不应该让它像

question_tags = [{'Senior', 'Android', 'Engineer'}, {'Senior', 'Asset', 'Manager'}, {'Senior', 'Billing', 'Manager'}] 

然后将其传递给

mlb = MultiLabelBinarizer()
res = pd.DataFrame(mlb.fit_transform(question_tags), columns=mlb.classes_)

你最终会得到

这表明所有三个都是高级，第 2 和第 3 是经理等等？

更新 2

如果您没有解析它并且基本上只需要对 15K 个唯一标签中的每一个进行编码，那么您可以使用二进制文件。例如，您有四个观察结果，其中两个是高级 android 工程师。

question_tags = ['Senior Android Engineer','Senior Android Engineer', 'Senior Asset Manager',  'Senior Billing Manager'] 
lb = LabelBinarizer()
pd.DataFrame(lb.fit_transform(question_tags), columns = lb.classes_)

Scikit-learn 的LabelBinarizer将输入标签转换为二进制标签，每个示例是否属于单个类。

Scikit-learn 的MultiLabelBinarizer 将输入标签转换为多标签标签，每个示例可以属于多个类。