我能想到的主要区别是，使用 one-hot 编码将意味着所有字符串彼此之间的距离相同（汉明），而使用标量值意味着结果特征之间的距离将毫无意义（它可能将“红色”编码为 1，“蓝色”编码为 2，“绿色”编码为 3，但没有理由说明红色与蓝色相比与绿色更相似）。

何时使用标签编码与 one-hot 编码。

基于树的方法：

当分类特征是序数标签编码时，如果它保持正确的值顺序，可以带来更好的质量。在这种情况下，由树进行的拆分会将特征划分为“低于”和“高于”为此拆分选择的值的值。

非基于树的方法：

应使用 One-hot 编码或嵌入。除非标签编码和因变量之间存在线性关系，否则基于非树的方法将很难使用标签编码。

One-hot 编码具有大量值的分类特征会导致高内存消耗。您可以使用稀疏矩阵来处理这个问题。您还可以忽略很少见的类别子集，以减少新功能的数量。