Mã hóa nhãn là một kỹ thuật được sử dụng để xử lý trước dữ liệu phân loại. Nó thường được sử dụng trong quy trình học máy để mã hóa các giá trị không phải số để chúng có thể được sử dụng bởi các thuật toán chỉ hoạt động với đầu vào số. Mã hóa nhãn chuyển đổi đầu vào phân loại thành nhãn số dựa trên thứ tự bảng chữ cái của nhãn.
Mã hóa nhãn là một chiến lược tiền xử lý dữ liệu đơn giản và trực quan có thể được áp dụng cho các cột tập dữ liệu có dữ liệu phân loại. Kỹ thuật này gán một mã định danh số (hoặc nhãn) duy nhất cho từng loại đầu vào. Ví dụ: trong tập dữ liệu có cột COLORS có các giá trị 'đỏ', 'xanh lục' và 'xanh lam', bộ mã hóa nhãn sẽ gán các nhãn 0, 1 và 2 tương ứng.
Mã hóa nhãn có hai ưu điểm chính; thứ nhất, nó trực quan hơn các kỹ thuật tiền xử lý dữ liệu khác vì các nhãn số phản ánh giá trị của các danh mục được sử dụng trong tập dữ liệu. Thứ hai, mã hóa nhãn bảo toàn độ lớn của đầu vào, tức là hai nhãn xuất hiện gần nhau theo thứ tự từ điển sẽ được gán các nhãn số khác nhau một lượng nhỏ, điều này có thể hữu ích khi mô hình hóa dữ liệu bằng thuật toán.
Ngược lại, mã hóa nhãn cũng có một số hạn chế lớn. Thứ nhất, bằng cách gán nhãn số cho các đầu vào phân loại, việc ánh xạ không phải lúc nào cũng trực quan và có thể gây ra sai lệch trong thuật toán mô hình hóa dữ liệu. Thứ hai, dữ liệu được mã hóa có nhãn không thể được sử dụng cho các thuật toán dựa trên hồi quy (chẳng hạn như hồi quy tuyến tính hoặc logistic); vì các nhãn số không truyền tải bất kỳ ý nghĩa nào nên thuật toán không thể đưa ra dự đoán dựa trên độ lớn của nhãn.
Mã hóa nhãn là một kỹ thuật tiền xử lý dữ liệu hữu ích để chuẩn bị đầu vào phân loại cho quá trình xử lý tiếp theo. Tuy nhiên, phải cẩn thận để đảm bảo rằng việc ánh xạ các nhãn số tới các giá trị phân loại không vô tình làm sai lệch mô hình được sử dụng để khớp với dữ liệu.
