所以，我有一个太大的数据集，无法一次全部加载到内存中。因此，我想使用生成器来加载批量数据进行训练。

在这种情况下，如何使用来自 scikitlearn 的 LabelEncoder + StandardScaler 执行特征缩放？

更多上下文：

我在数据库中有超过 1000 万个具有 23 个特征和 1 个标签列的数据样本。

我的设置曾经是（当它是大约 300 万个样本时）使用 sql 加载 pandas，执行更多特征提取，在某些特征上使用 LabelEncoder，进行训练/测试拆分，然后在训练特征上使用 StandardScaler。然后适合我的 keras 模型。

但是，由于数据量大，这个工作流程在我的机器上不再可行。（内存错误。）

我正在研究使用 keras.utils.Sequence 来加载批量数据而不是一次加载内存中的所有内容，这样我只需要拥有完整的索引列表，并且一次在内存中加载一个完整的批次。

但是，我将如何进行 LabelEncoding，更重要的是：在这种情况下，我将如何进行特征缩放？鉴于上下文，这是一种正确的方法吗？