从我在网上阅读的内容来看，关于分类和使用的术语似乎有些混乱，因此为避免误解，我将在此处对其进行定义：
标签编码- 使用任意数字标签对标称变量进行编码。
序数编码- 使用按特定顺序排列的数字标签对序数变量进行编码。
我目前正在学习的机器学习课程将 One-Hot Encoding 与 Ordinal Encoding 进行了比较。但是，在我在线研究期间，我意识到“Ordinal Encoding”实际上是用词不当，而该课程实际演示的内容称为“Label Encoding”。序数编码应该严格与序数变量有关，而有问题的数据集甚至没有任何序数变量。
这个误称是从哪里来的？原来它来自具有 LabelEncoder 和 OrdinalEncoder 类的 scikit-learn 库。问题是，OrdinalEncoder 类实际上默认不执行 Ordinal Encoding。为了使其具有序数，您必须在“类别”参数中指定顺序（并且它的使用对用户非常不友好 - pandas 的字典映射可以更轻松地完成相同的操作）。如果您不这样做，OrdinalEncoder 将按字母顺序分配标签，就像 LabelEncoder 所做的那样。所以这两个类之间的真正区别在于，一个只编码一列，而另一个一次编码两列或更多列。如果将这些类称为“LabelEncoder1D”和“LabelEncoder2D”，也许会更好，也不会令人困惑。
这就是错误地将标签编码称为“序数编码”的来源。但回到这个问题，我正在学习的课程提倡将（我学到的）标签编码用于基于树的算法，因为 One-Hot 编码对树的性能要差得多（这是真的）。但是，从我在网上阅读的内容来看，其他机器学习平台（例如 R 或 H2O）似乎能够处理树的名义变量而无需任何类型的编码，并且将所有内容编码为数字形式的要求似乎是完全是 scikit-learn 的问题。关于树是否使用标签编码表现更好，存在相互矛盾的信息——我的课程，以及一些在线回复，提倡使用它，但我的直觉，网上的其他一些回复，似乎表明 scikit-learn 树将无法将这些标签区分为类别，并且会错误地假设它们是有意义的尺度上的连续值。所以他们建议即使对树也使用 One-Hot Encoding 作为唯一的选择，尽管它不是最理想的。
所以我的问题是 1）标签编码是否会被 scikit-learn 树误解为数字尺度？2）如果是这样，是否存在任意标签编码有用的情况？或者，除非变量是有序的，并且给出了特定的标签顺序，否则这种技术根本没有用？
PS：我问是因为我的课程有一整节课专门教学生“序数”编码。起初我想建议他们将其重命名为“标签编码”，但现在我怀疑最好完全删除整个课程以避免教学生不良做法。